stddev 和 variance 默认计算样本标准差和样本方差（分母为 n−1）；若数据为总体，须显式使用 stddev_pop/variance_pop 或手动计算 sqrt(avg(xx)-avg(x)avg(x))。
STDDEV 和 VARIANCE 函数到底算的是总体还是样本？
SQL 标准里 STDDEV 和 VARIANCE 默认计算的是**样本标准差和样本方差**（即分母为 n−1），不是总体值。这点极易被误用，尤其当你的业务逻辑要求“整个群体的波动率”（比如全量用户日活的离散程度）时，直接套用会偏高。
不同数据库实现略有差异：
- PostgreSQL、Oracle、SQL Server（2022+）支持
STDDEV_POP/VARIANCE_POP（总体）和STDDEV_SAMP/VARIANCE_SAMP（样本）明确区分 - MySQL 8.0+ 同样提供这两组函数；5.7 及更早版本只有
STDDEV（=STDDEV_SAMP）和VAR_POP等别名，但命名不统一 - SQLite 只有
stddev（样本）和variance（样本），无总体版本
如何避免分母错误导致波动率被高估？
如果你的数据本身就是总体（例如：某天所有订单金额、某批次全部传感器读数），必须显式使用总体函数，否则结果偏差随样本量减小而加剧。比如 5 条记录时，样本标准差比总体标准差约大 12%。
实操建议：
- 先确认业务语义：是「抽样推断」还是「全量描述」？前者用
STDDEV_SAMP，后者强制用STDDEV_POP - 在不支持
_POP后缀的老版本 MySQL 中，可手动计算：SQRT(AVG(x*x) - AVG(x)*AVG(x))—— 这是总体标准差的等价写法（基于方差定义σ² = E[X²] − (E[X])²） - 注意 NULL 处理：
STDDEV类函数默认忽略 NULL 值，但若字段允许 NULL 且你希望将其视作 0 或报错，需提前用COALESCE或WHERE x IS NOT NULL
在 GROUP BY 场景下计算各分组波动率要注意什么？
当按时间、地区、品类分组看波动率时，最容易踩的坑是「组内记录数过少却仍用样本公式」。例如某地区只有 2 笔交易，STDDEV_SAMP 的分母为 1，结果对异常值极度敏感，几乎失去参考价值。
建议做法：
- 加过滤条件：
HAVING COUNT(*) > 3，排除不可靠的小样本组 - 同时输出计数与标准差：
SELECT region, STDDEV_SAMP(amount) AS std_amt, COUNT(*) AS cnt FROM sales GROUP BY region，人工判断 std_amt 是否可信 - 若需平滑处理，可改用变异系数（CV =
STDDEV_POP / AVG），它消除了量纲影响，更适合跨组比较波动相对强度
为什么有时 STDDEV 返回 NULL？
STDDEV 类函数在以下情况返回 NULL：
- 输入集合为空（如
WHERE FALSE后无行） - 输入集合只有一行（样本标准差定义要求至少两个值，因分母 n−1=0）
- 所有非 NULL 值都相等（此时方差为 0，标准差为 0 —— 这是正常数值，不是 NULL；只有前两种情况才返回 NULL）
遇到 NULL 时不要直接丢弃，应检查是否漏了 WHERE 条件或聚合粒度太粗。必要时用 COALESCE(STDDEV(x), 0) 转换，但得清楚这掩盖了数据稀疏问题。
真正难处理的不是函数怎么写，而是想清楚——你手上的数据，在当前分析目标下，究竟该被当作一个样本，还是一整个总体。
