stddev 函数在样本量小于2时返回null，因其基于无偏估计要求n≥2，n=1时方差分母为0无定义，故拒绝输出无效结果。
STDDEV 函数在样本量小时不是“不准”，而是按统计学原理故意返回 NULL 或 0 —— 它在告诉你：这个标准差没意义，别信。
STDDEV 在 n
SQL 标准要求：样本标准差分母为 n−1，当输入只有 1 行数据时，n−1 = 0，除零未定义。因此：
-
STDDEV_SAMP()和STDEV()（PostgreSQL/MySQL/Oracle）在单行输入时严格返回NULL -
STDDEV()在 Oracle 中是例外：单行时返回0，行为不一致，容易误判稳定性 -
STDDEV_POP()和STDEVP()分母为n，单行时可算（结果为 0），但业务上仍无波动分析价值
为什么 n = 3 时偏差可能达 20%？分母逻辑暴露小样本脆弱性
样本标准差的 n−1 校正本意是无偏估计总体，但它在小 n 下放大误差敏感度：
- 对
[10, 20, 30]：STDDEV_SAMP= √[(100 + 0 + 100) / 2] ≈ 10.0STDDEV_POP= √[(100 + 0 + 100) / 3] ≈ 8.16 → 差值约 22% -
n = 5时偏差收窄到 ~7%，n = 30时基本收敛（ - 业务中常忽略这点：比如用前 3 天订单算“波动率”，直接拿去和月均值对比，结论失真
GROUP BY 后 STDDEV_SAMP 返回 NULL 的真实原因
不是函数坏了，而是某组实际只有一条有效记录（其余为 NULL 或被 WHERE 过滤掉）：
- 先运行
SELECT region, COUNT(*), COUNT(sales) FROM sales GROUP BY region，对比两列数值 - 若某
region的COUNT(*) = 1但COUNT(sales) = 1，说明该组仅一个非空值 →STDDEV_SAMP(sales)必为NULL - 用
HAVING COUNT(sales) > 1过滤，比依赖函数容错更可靠
别让小样本标准差进报表——替代方案更实在
当 n 不稳定或普遍偏小（如按小时、按渠道、按新功能灰度组聚合），标准差本身已失效：
- 优先看原始分布：加
COUNT(*)和MIN()/MAX()，比单个STDDEV更能暴露数据稀疏性 - 改用四分位距：
PERCENTILE_CONT(0.75) - PERCENTILE_CONT(0.25)，抗异常值、不依赖正态假设、小n下仍有意义 - 真要量化离散，且
n常 MAX − MIN）反而更诚实
真正危险的不是函数算错，是你看到 STDDEV_SAMP 返回了一个数字，就默认它可解释——而它背后可能只有两个数，甚至一个数被 NULL 掩盖了。
