変動係数(CV)計算機
2、4、4、4、5、5、7、9の平均は5、母集団の標準偏差は2なので、変動係数は0.4、つまり40パーセントです。尺度の異なる系列どうしのばらつきを比べられます。ブラウザで無料で使えます。
- 無料
- ブラウザで動作
- 登録不要
- データは端末の外に出ません
無料で実行
変動係数(CV)は標準偏差を平均で割った、尺度や単位の異なる系列のばらつきを相対比較できる無次元の指標です。平均50・標準偏差5のリストと、平均500・標準偏差50のリストは、絶対ばらつきが桁違いでも同じCVになります。
変動係数が測るものと使う場面
絶対的な標準偏差は、異なる尺度のデータ集合間では解釈しづらいです。平均長10 mm・標準偏差0.2 mmのボルトを作る機械は、平均1000単位・標準偏差0.2のセンサより相対的にはるかに締まっていますが、絶対ばらつきは同じです。変動係数は標準偏差を平均で割ることでこの比較に答え、無次元の比率を得て、100を掛けてパーセントとしても報告できます。
母集団CVは母集団標準偏差(偏差の二乗和をnで割り、平方根)を算術平均で割ったもの、標本CVは標本標準偏差(ベッセル補正、n−1で割る)を同じ平均で割ったものです。分析者は工程ばらつきの比較、平均水準の異なるリターンのボラティリティ対比、アッセイ精度の報告、中心に対する締まりの違いの教育などにCVを使います。
空リストも平均もCVも出さず、検証で即失敗します。各段が既知数の有限積和と平方根・除算なので手順は古典的で完全に決定的で、同じリストは常に同じ平均、同じ標準偏差の対、同じCV比率とパーセントを返します。
リストの検証とCVの計算方法
検証後、コアは一度走査して和と平均を作り、ゼロ平均を拒否し、再び走査してその平均からの偏差の二乗和を累積します。母集団標準偏差はその和をnで割ったものの平方根、標本標準偏差はnが2以上なら同じ和をn−1で割ったものの平方根、nが1なら null です。母集団CVは母集団標準偏差÷平均、パーセント形はその比率×100です。
標本CVとそのパーセントも標本標準偏差が定義されるとき同じパターンです。ばらつきゼロのリストでの浮動小数点の丸めで負の二乗和が生まれないよう微小クランプがあります。
活用例
宿題と入門統計ラボ
学生と採点者が平均・標準偏差・変動係数を比率とパーセントで確認し、平均ゼロが無効という規則も含めて検証します。
スクリプトとCI用数値フィクスチャ
パイプラインや面接サンドボックスが、各言語で標準偏差÷平均を再実装せず決定的なCV契約を呼び出します。
よくある質問
変動係数の公式は何ですか?
CVは標準偏差÷平均です。母集団CVは母集団std(偏差二乗和÷n)、標本CVは標本std(÷(n−1))を使います。どちらもパーセント(比率×100)でも返します。
平均が0のとき変動係数が出ないのはなぜですか?
標準偏差を0で割ることになり、値が定まらないためです。平均が0のリストや空のリストは、無限大や意味のない数値を出さずに、分かりやすいメッセージで受け付けません。
母集団の変動係数と標本の変動係数は何が違いますか?
どちらも標準偏差を同じ平均で割ります。母集団版は偏差の二乗和をnで、標本版はn−1で割ってから平方根を取るため、標本版のほうが少し大きくなります。
標準偏差ではなく変動係数で比べるのはなぜですか?
同じ絶対的なばらつきでも、尺度によって意味が大きく異なるためです。平均10 mmで標準偏差0.2 mmのボルトは、平均1000で同じ0.2のセンサー値よりずっと精度が高く、変動係数ならそれがすぐ分かります。
変動係数はどんな場面で使われますか?
品質管理での工程のばらつきの比較、金融での水準の異なる収益率の変動の比較、実験室での測定精度の報告、教育での相対的なばらつきの説明などに使われます。
関連ツール
開発者向け — APIアクセス
このページの機能はすべてAPIからも利用できます。自社システムに組み込みたいチーム向けのセクションです。それ以外の方は上のツールをそのままお使いください。
エンドポイント
Bearerトークンで認証し、POST1回でタスクをキューに登録します。結果はWebhookまたは署名付きリンクで受け取れます。
お使いのスタックから呼び出す
curl -X POST https://api.kit.forhosting.com/stat/coefficient-variation \
-H "Authorization: Bearer $KIT_KEY" \
-H "Content-Type: application/json" \
-d '{"values":[2,4,4,4,5,5,7,9]}'const res = await fetch("https://api.kit.forhosting.com/stat/coefficient-variation", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.KIT_KEY}`,
"Content-Type": "application/json"
},
body: JSON.stringify({
"values": [
2,
4,
4,
4,
5,
5,
7,
9
]
})
});
const { task_id } = await res.json();import os, requests
res = requests.post(
"https://api.kit.forhosting.com/stat/coefficient-variation",
headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
json={
"values": [
2,
4,
4,
4,
5,
5,
7,
9
]
},
)
task_id = res.json()["task_id"]<?php
$res = file_get_contents("https://api.kit.forhosting.com/stat/coefficient-variation", false, stream_context_create([
"http" => [
"method" => "POST",
"header" => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
"content" => '{"values":[2,4,4,4,5,5,7,9]}',
],
]));
$task = json_decode($res, true);body := bytes.NewBufferString(`{"values":[2,4,4,4,5,5,7,9]}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/stat/coefficient-variation", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)リクエスト例
{
"values": [
2,
4,
4,
4,
5,
5,
7,
9
]
}レスポンス例
{
"task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
"type": "stat.coefficient_variation",
"status": "queued",
"_links": {
"result": "/tasks/tsk_…/result"
}
}非同期APIです。task_idは即時に返ります。ポーリングは1秒あたり1リクエストまでです。
料金
単価はすべて公開しています。トークン換算や独自クレジットはありません。失敗したタスクは課金されません。
制限
max_values | 100000 |
エラー
| HTTP | コード | 意味 |
|---|---|---|
401 | unauthorized | APIキーが無効か、指定されていません。Authorizationヘッダーを確認してください。 |
402 | insufficient_balance | 残高が不足しています。チャージ後に再度お試しください。 |
404 | unknown_type | 指定されたタスクタイプは存在しません。タイプ名を確認してください。 |
429 | rate_limited | リクエストが多すぎます。しばらく待ってから再度お試しください。 |
技術的な注記
本計算機は有限数の空でない配列を受け取り、平均、母集団・標本の標準偏差、変動係数を比率とパーセントの両方で返し、平均がゼロまたは空リストは明確な invalid_input で拒否し、パイプラインが黙って Infinity を捏造しないようにします。演算は完全に決定的で、ブラウザでは無料、APIでは成功リクエストごとに$0.002、ホットパスに言語モデルや外部統計サービスはありません。
変動係数が測るものと使う場面
硬い規則は共通です:平均がゼロなら除算は未定義なので、Infinity や NaN を作らず invalid_input で失敗します。
リストの検証とCVの計算方法
必須の配列フィールド values(平均がゼロでない有限数の空でないリスト)で能力を呼び出します。エンジンは numbers、data、list、x の別名も受け付けるため、既存の呼び方を変える必要はありません。欠落フィールド、非配列、空配列、公開上限超、有限数でない要素、平均がちょうどゼロのリストはすべて invalid_input で拒否し、残高は課金しません。
実用、上限、料金、提供形態
宿題の確認、2系列の相対ばらつき比較、平均ゼロではCVが定義できない説明など、統計パッケージを入れずにすぐCVが欲しいときはブラウザツールを使ってください。結果は完全に決定的で、同じ値は常に同じ平均、母集団・標本標準偏差、CV比率、パーセント、偏差二乗和を返します。言語モデルも外部統計サービスも乱数もないため、継続的インテグレーションの固定や再現可能な教材に安全です。スクリプト、面接対策プラットフォーム、教育サイト、品質ダッシュボード、金融ノートブックが、1契約の下で多数の数値リストに安定した JSON を必要とするときはAPIを使ってください。成功リクエストは$0.002で1請求単位、検証失敗は残高を消費しません。受理リストは Worker 分離用に上限があり、最大10万件で教室表、センサ一括、典型的な分析抜粋を十分カバーしつつ高速に終わります。閉じた形の2パスCVを、近似ストリーミングや n か n−1 かを隠す黒箱計算機より好む前処理、データサイエンス教程、表計算移行テスト、コーディング面接サンドボックスにエンドポイントを接続してください。
連携の活用例
品質管理と工程比較
技術者が絶対尺度の異なるロットや機械間の相対ばらつきを、JSONの安定した母集団・標本CVで比較します。
技術的な質問
この計算機で変動係数をどう求めますか?
values(平均がゼロでない数の空でない配列)を含むJSONを stat.coefficient_variation に送ります。応答は mean、population_std、sample_std、population_cv、population_cv_percent、sample_cv、sample_cv_percent、n、sum_squared_deviations を返します。
平均がゼロのときはどうなりますか?
変動係数(std/平均)は平均ゼロでは未定義のため、リクエストは invalid_input で失敗します。検証失敗は課金されません。
リストが1個だけのとき sample_cv はどうなりますか?
n−1での除算はゼロ除算になるため sample_std、sample_cv、sample_cv_percent は null です。その1値が非ゼロなら(stdはゼロ)population_cv はゼロです。
変動係数計算機は無料ですか?
ブラウザツールは端末上で無料です。APIは成功項目ごとに$0.002の前払いKIT残高を使い、検証失敗は課金されません。