离散趋势（Dispersion）
数据的离散趋势是指一组数据的分散程度。在描述数据离散趋势时，最常用的统计量是全距（Range）、四分位数（Quartile）、方差（Variance）和标准差（Standard Deviation，SD）。
（一）全 距
全距是指在一组数据中，最大值和最小值的差。它是比较容易计算的，但是它对极端值比较敏感。例如，在毕业生毕业后年收入的这个例子中，最大值为500万元，最小值为8万元，全距为492万元。但是在收入为500万元的同学的收入缩水到20万元的情况下，全距就变成了12万元。
全距的优势在于不仅可以测量变异，还可以囊括整个分布。例如，在设计手铐时，就需要测量成人手腕大小的全距。如果手铐不够大，就会导致有些人的手腕因为太大而无法套入；如果手铐不够小，就会有人因为手腕太小而逃脱。
（二）四分位数
分位数是将调查的数据进行划分的数据点，常用的有二分位数（即中位数）、四分位数、百分位数等。
四分位数是在统计中较为常用的分位数。与中位数一样，计算四分位数需要先将数据按照从小到大的顺序进行排列：第25%的数据，即第25个百分位数被称为第一个四分位数，标记为Q1；第50%的数据，即第50个百分位数被称为第二个四分位数，标记为Q2；第75%的数据，即第75个百分位数被称为第三个四分位数，标记为Q3。Q1，Q2和Q3可以将变量分为4个相等的部分，通过Q1和Q3的比较，分析数据变量的趋势。由于中位数相较于平均值，能更好地描述数据的集中趋势，使用四分位数来描述数据会更合适。在毕业生的年收入这个例子中，四分位数的算法如下：（n+1）/4=2.75，则Q1在第二与第三个数字之间；（n+1）/2=5.5，Q2在第五与第六个数字之间，与中位数相同；3（n+1）/4=8.25，Q3在第八与第九个数字之间。Q 1=0.75×10+0.25×9=9.75万元，Q2=12.5万元，Q3=0.25×18+0.75×15=15.75万元。使用（Q3-Q1）可以得到四分位距。四分位距反映了数据的离散程度。
与四分位距相比，四分位数的缺点在于，无法精确反映数据整体分布的情况，也无法简单地应用到高级统计中。
如前所述，在问卷调查中，我们还经常使用27%的分位数。
（三）方 差
方差是分析数据离散程度时最常用的统计量，在推论统计中扮演着非常重要的角色。我们把样本x与样本平均值
之间的距离叫作离差分数（Deviation Score）。方差是指各离差平方和的平均值。计算公式如下：
。方差越小，说明该组数据的分布越集中；方差越大，说明该组数据分布的离散程度越大。
例如，我们对两个小组的语文水平进行了测试，每个小组有5位同学：A组同学的分数分别为87，84，88，85，86；B组同学的分数分别为96，76，93，95，70。这两组同学的平均分数均为86分，但是A组同学的语文水平差别比较小，而B组同学的语文水平差异比较大。经计算，A组的方差为2.5，B组的方差为146.5，B组的方差比B组的全距还大。这是由于方差的计算是基于离差的平方得到的。为了对这个问题进行修正，我们采用标准差来表示样本的离散程度。
（四）标准差
标准差是对方差取平方根得到的统计量，它对数据离散程度的估计更准确、更详细，并且在推论统计中起着举足轻重的作用。标准差的计算公式为
。根据前述语文水平测试的例子A组的标准差为1.58，B组的标准差为12.1。这说明A组的离散程度比较小，B组的离散程度比较大。