Дисперсия в статистике: формула, расчет и объяснение простыми словами

Дисперсия показывает, насколько продажи, заявки, расходы, сроки и другие метрики «разбросаны» вокруг среднего значения. Она помогает бизнесу понять не просто средний результат, а степень его устойчивости. Рассказываем подробнее, что такое дисперсия в статистике и зачем про нее знать. 

• Что показывает дисперсия
• В каких сферах она важна
• Когда ее используют
• В маркетинге
• В продажах
• Как считать
• Формула
• В Excel
• Как оценивать результаты
• Что еще с ней считают

Что показывает дисперсия

Для бизнеса дисперсия полезна, когда нужно отличить стабильный процесс от нестабильного. Если среднее выглядит хорошо, но разброс большой, на такое значение опасно опираться при планировании. Представим два отдела на производстве: 

1. Один из месяца в месяц получает выручку то в 500, то в 400 тысяч рублей. Расходы на материалы колеблются на уровне 100–200 тысяч рублей. Какой бюджет нужно выделить отделу на следующий месяц? Ответ: 200 тысяч рублей. 
2. Второй получает выручку то 200 тысяч, то 400, то вообще миллион рублей. Расходы тоже колеблются, причем гораздо сильнее, чем у первого отдела. Выделить расходы на материалы необходимо — но сколько? Просчитать заранее почти невозможно.

При этом средние показатели — что выручки, что расходов — за несколько месяцев у отделов будут одинаковые. Дисперсия как раз показывает, насколько сильно значения волатильны, отклоняются от типичного уровня. Это помогает вовремя заметить риск, скрытый за красивой средней цифрой.

Среднее значение (продаж, затрат, предложений и т. д.) показывает, какой результат бывает обычно. Дисперсия отвечает на вопрос, насколько далеко реальные значения отходят от этого среднего. 

1. Дисперсия низкая — показатели колеблются слабо, их легко просчитывать и прогнозировать. 
2. Дисперсия высокая — разброс заметный, а значит, результат менее предсказуем.

Нужно учитывать и ограничение показателя. Дисперсия сама по себе не объясняет причину разброса. Она только показывает, что он есть. Чтобы понять источник проблемы, ее обычно смотрят вместе с трендом, сезонностью, медианой, стандартным отклонением и контекстом бизнеса.

В каких сферах она важна

С дисперсией работают не только статистики. На практике она нужна тем, кто отвечает за прогноз, бюджет, нагрузку или качество данных. Чаще всего она полезна:

1. Финансовым специалистам — для оценки стабильности денежных потоков, доходности и расходов.
2. Руководителям продаж — для анализа разброса результатов по менеджерам, точкам, периодам и продуктам.
3. Маркетологам — чтобы смотреть, насколько стабилен поток лидов, цена заявки и конверсия по каналам.
4. Бизнес-аналитикам — для проверки качества данных и для подготовки прогнозов.
5. Руководителям проектов и операционным менеджерам — чтобы видеть, насколько реальность отклоняется от плана по срокам, бюджету и загрузке.

Чему бы вы ни учились, это проще делать с Халвой — у карты 260 000+ партнеров, среди которых есть онлайн-школы и не только. А с кешбэком до до 10% просто экономить на любых покупках. 

Когда ее используют

Дисперсия особенно полезна там, где среднее значение может ввести в заблуждение и нужно понять не только уровень метрики, но и ее стабильность.

Обычно дисперсию считают в нескольких случаях:

1. Нужно проверить, можно ли доверять среднему значению при планировании.
2. Сравнивают несколько каналов, филиалов, менеджеров или товарных групп с похожим средним результатом.
3. Нужно оценить риск кассовых разрывов, дефицита товара, перегрузки команды или провала по KPI.
4. Готовят прогноз и хотят понять, насколько ряд данных «шумный».
5. Ищут аномалии: выбросы, случайные всплески, ошибки в данных или нестабильные процессы.

Например, вы знаете, что в год бизнес стабильно приносит 20 млн рублей — около 1,7 в месяц. Но еще у вас очень высокие расходы на пополнение оборотного капитала — денег на выплаты поставщикам и сотрудникам то и дело не хватает, приходится занимать экстренно и под высокий процент. К этой ситуации можно было подготовиться заранее, зная дисперсию. 

Оказывается, что некоторые месяцы у вас особенно прибыльные, а некоторые — даже не покрывают расходы на функционирование бизнеса. Это и вызывает кассовые разрывы. 

В маркетинге

В маркетинге дисперсия полезна, когда нужно оценить устойчивость рекламного канала, а не только его среднюю эффективность. 

Этот показатель можно применять к нескольким метрикам:

1. Стоимость лида.
2. Конверсия рекламы по дням или неделям.
3. Количество лидов из канала.
4. Доход от рекламной кампании или группы объявлений.
5. Окупаемость (ROMI — Return on Marketing Investment) по периодам, если данных уже достаточно для сравнения.

Канал с чуть худшей средней стоимостью лида, но низким разбросом иногда полезнее для бизнеса, чем канал с красивым средним, но резкими провалами. Первый легче масштабировать и закладывать в план. Второй требует большего запаса по бюджету и более осторожного прогноза.

Дисперсия помогает и в A/B-тестах. Если один вариант показывает лучший средний результат, но при этом показатели сильно плавают, делать выводы рано. 

В продажах

В продажах дисперсия тоже помогает отличать устойчивый результат от случайного. 

В продажах дисперсию можно использовать для таких задач:

1. Проверять перед закупками, насколько устойчив спрос по этому товару.
2. Оценивать разброс выручки по дням и неделям для планирования персонала (численности, нагрузки, затрат).
3. Сравнивать стабильность работы менеджеров, а не только средний объем продаж каждого из них.
4. Отслеживать, не скрывается ли за хорошим месяцем один крупный контракт или разовая акция.
5. Находить точки, где продажи слишком зависят от сезона, погоды, внешнего трафика или одного сотрудника.

Если компания использует план-факторный анализ, важно не путать две вещи. В статистике дисперсия — это разброс значений вокруг среднего. В управленческом учете и проектном анализе под дисперсией, отклонением, вариацией и так далее иногда понимают отклонение факта от плана.

Как считать

Посчитать дисперсию можно вручную, но в рабочей практике чаще хватает Excel или BI-системы. 

Формула

Базовая логика расчета такая:

1. Найти среднее значение ряда.
2. Для каждого значения посчитать отклонение от среднего.
3. Возвести каждое отклонение в квадрат.
4. Сложить квадраты отклонений.
5. Разделить сумму на количество значений, если это вся совокупность, или использовать выборочную формулу, если это выборка.

В упрощенном виде формула дисперсии выглядит так:

В Excel

Для расчета дисперсии используют разные функции в зависимости от того, анализируют всю совокупность или только выборку. 

На практике бизнес чаще работает с выборкой и использует VAR.S.

Пример. Допустим, недельная выручка магазина за 8 недель составила 920, 950, 940, 935, 1280, 910, 945 и 930 тысяч рублей. Среднее выглядит неплохо (976,25 тысяч), но дисперсия составит 13329,6875. Число так выглядит, потому что результат — исходные единицы в квадрате. В нашем случае это тыс. руб. в квадрате. 

Чтобы цифра была более внятной, нужно извлечь корень — через калькулятор или функцию «КОРЕНЬ=(число)». Получится чуть больше 115 тысяч рублей — это стандартное отклонение недельной выручки, которое можно сравнивать с другими периодами или отделами. 

Поэтому рядом с дисперсией полезно держать еще три столбца:

1. Среднее значение по ряду.
2. Стандартное отклонение.
3. Комментарий к аномалиям: акция, сбой, сезонный пик, отсутствие сотрудника.

Так цифра превращается из формального расчета в рабочий инструмент для решений.

Как оценивать результаты

У дисперсии нет универсального порога, после которого ее можно назвать нормальной или ненормальной. На практике полезно смотреть на несколько ориентиров.

1. Сравнивать дисперсию у одного и того же показателя по периодам. Если разброс резко вырос по сравнению с предыдущими месяцами, это тревожный сигнал.
2. Сравнивать одинаковые метрики между филиалами, каналами или группами товаров.

Часто удобно дополнять анализ коэффициентом вариации. Это отношение стандартного отклонения к среднему. Коэффициент показывает относительный разброс и полезен, когда нужно сравнить показатели разного масштаба. Например, два товара с разной средней выручкой. В нашем примере выше это будет 115/976=0,117, то есть 11,7%. 

Высокая дисперсия может указывать на большие возможности — нужно обновить оборудование, чтобы оно реже ломалось, увеличить поставки удачно «выстреливающего» товара, сравнять показатели всех сотрудников смены с самым эффективным через повышение квалификации. Тогда выгодно взять деньги в долг на такие изменения — и дисперсия сократится за счет «подтягивания» более слабых показателей к более сильным. 

Что еще с ней считают

Есть важные показатели, которые либо строятся на основе дисперсии, либо помогают интерпретировать разброс понятнее. Чаще всего рядом с дисперсией используют такие метрики:

1. Стандартное отклонение. Это квадратный корень из дисперсии. Его легче читать, потому что оно выражено в тех же единицах, что и исходный показатель — в рублях, заказах, заявках.
2. Размах. Это разница между максимальным и минимальным значением. Он прост и быстро показывает амплитуду колебаний, но сильно зависит от крайних значений, поэтому сам по себе не заменяет дисперсию.
3. Медиана. Она помогает понять типичный результат без сильного влияния выбросов. В бизнесе медиану полезно смотреть рядом с дисперсией, если в данных бывают резкие всплески.
4. План-факторное отклонение. Это не замена дисперсии в статистическом смысле, но важное дополнение для управленческого анализа. Оно показывает, насколько результат ушел от плана, тогда как дисперсия показывает устойчивость ряда.
5. Доверительный интервал. Если дисперсия и стандартное отклонение показывают разброс, то доверительный интервал отвечает на вопрос: в каком диапазоне окажется следующее значение с заданной вероятностью?

Например, средний чек — 3800 ₽, стандартное отклонение — 500 ₽. При нормальном распределении примерно 95% будущих чеков лягут в интервал от 3800 − 2×500 = 2800 ₽ до 3800 + 2×500 = 4800 ₽. Это и есть грубый 95%-й доверительный интервал.

Всегда главное — не сами показатели, а что за ними стоит. 

Источники

1. Национальный открытый университет ИНТУИТ: Лекция 7: Показатели вариации в статистике (дата обращения: 20.05.2026).
2. Microsoft Support: Функция VAR.P (дата обращения: 20.05.2026).
3. Microsoft Support: Функция VAR.S (дата обращения: 20.05.2026).