stddev类函数是唯一能直接量化离散程度的原生聚合手段；stddev_samp()适用于样本（分母n−1），stddev_pop()适用于总体（分母n），误用会导致5%–20%偏差，且需注意null处理、分组语义及数据清洗。
STDDEV 类函数不是“可有可无的统计装饰”，而是波动分析中唯一能直接量化离散程度的原生聚合手段——不用它，你就得手动算均值、遍历差值、平方、求和、除以 n−1、开方，SQL 里写十几行 CTE 才勉强等效。
STDDEV_SAMP() 和 STDDEV_POP() 的区别直接影响业务解读
样本标准差（STDDEV_SAMP()）分母是 n−1，适合你手上的数据只是总体的一部分（比如抽样日志、A/B 测试用户、某月前 7 天订单）；总体标准差（STDDEV_POP()）分母是 n，只适用于你确认已掌握全部数据（比如某天所有支付成功订单、全量员工薪资表）。误用会导致结果系统性偏高或偏低约 5%–20%，尤其在 n 时更明显。
- MySQL 默认
STDDEV()等价于STDDEV_SAMP()；PostgreSQL / Oracle 同理，但 SQL Server 的STDEV()才是样本，STDEVP()是总体 - Oracle 中
STDDEV()在单行输入时返回 0，而STDDEV_SAMP()返回NULL，行为不一致，别混用 - 如果报表要对比不同周期的波动率，必须统一用
STDDEV_SAMP()，否则同比/环比会因分母逻辑不同而失真
NULL 值会让 STDDEV_SAMP() 静默返回 NULL，而不是跳过
这不是 bug，是设计：只要 amount 列中存在任意一个 NULL，STDDEV_SAMP(amount) 就返回 NULL，且不报错、不警告。你看到的是空结果，但实际可能是数据清洗漏了。
- 先运行
SELECT COUNT(*), COUNT(amount) FROM orders对比两数，差值就是隐性NULL行数 - 明确过滤：
WHERE amount IS NOT NULL比依赖函数内部处理更可靠 - 若业务上
NULL代表“未支付”，应转为COALESCE(amount, 0)再计算，否则波动被人为放大
GROUP BY 后的 STDDEV_SAMP() 不是“平均波动”，而是组内离散度
写 SELECT region, AVG(sales), STDDEV_SAMP(sales) FROM sales GROUP BY region 得到的 STDDEV_SAMP 值，描述的是“华东地区每笔订单销售额彼此相差多大”，不是“华东平均销售额比华南高多少”。新手常把这两个数字放一起看，误判稳定性。
- 华东
AVG=5000、STDDEV_SAMP=400→ 波动小；华南AVG=4800、STDDEV_SAMP=1200→ 实际更不稳定 - 想跨量级比较波动，用变异系数：
STDDEV_SAMP(sales) / NULLIF(AVG(sales), 0)，但注意当均值接近 0 时该比值崩坏 - 若数据偏态严重（如大量 0 + 少量高值），四分位距
PERCENTILE_CONT(0.75) - PERCENTILE_CONT(0.25)比标准差更鲁棒
真正难的不是调用 STDDEV_SAMP()，而是确认你传进去的那列数值，是否已按业务语义清洗干净、NULL 是否已被赋予明确含义、分组维度是否真的对应你要分析的“同质总体”。函数本身很短，但前面三步出错，结果就完全不可信。
