在生物统计与试验设计中
变异系数越小，变异程度越小。
原因：变异系数为不同单位的几个指标之间比较变异程度时的参考指标，变异系数越大，表示变异程度越大。
变异系数当需要比较两组数据离散程度大小的时候，如果两组数据的测量尺度相差太大，或者数据量纲的不同，直接使用标准差来进行比较不合适，此时就应当消除测量尺度和量纲的影响。
扩展资料：
一、变异系数的优缺点：
1、优点：比起标准差来，变异系数的好处是不需要参照数据的平均值。变异系数是一个无量纲量，因此在比较两组量纲不同或均值不同的数据时，应该用变异系数而不是标准差来作为比较的参考。
2、缺陷：
1、当平均值接近于0的时候，微小的扰动也会对变异系数产生巨大影响，因此造成精确度不足。
2、变异系数无法发展出类似于均值的置信区间的工具。
二、变异系数的应用：
1、变异系数在概率论的许多分支中都有应用，比如说在更新理论、排队理论和可靠性理论中。在这些理论中，指数分布通常比正态分布更为常见。
2、由于指数分布的标准差等于其平均值，所以它的变异系数等于一。变异系数小于一的分布，比如爱尔朗分布称为低差别的，而变异系数大于一的分布，如超指数分布则被称为高差别的。
参考资料来源：百度百科-变异系数
温馨提示：答案为网友推荐，仅供参考
第1个回答 推荐于2017-09-03
兄弟应该是搞错了，变异系数越小，变异程度越小（波动越小）。
1.简而言之，CV值就是去除量纲后的标准差，标准差除以均值得到的，没有单位，可以直观地对数据进行简易分析；
2.用CV值对数组平行试验结果进行测算，进而推断总体即试验数据离散程度，属于描述性统计。
3.一般而言，根据不同的总体，计算CV值不能少于3个数据，最好能在10个以上，样本量过大时用CV进行推断的准确度就不够了。
4.对于工艺路线已运行一段时间，不是处于摸索阶段，CV值可参考以下内容进行推断：当CV值小于1%时，表示数据离散程度较小；在1%-2%之间，表示数据离散度正常；在2%-3%，表示数据离散度尚可接受；当大于4%时，表示数据离散度较大；数据越大表明工艺路线越不稳定。
5.对于处于摸索阶段的工艺路线，一般认为若用CV值推断总体，低于10%其推断离散程度是可以接受的。
但需说明的是，由于CV值仅仅是描述性统计，要想得到更准确的数据波动性、过程能力或显著性差异推断，建议采用SPC、CPK、假设检验、方差分析、趋势分析等工具。本回答被网友采纳
1.简而言之，CV值就是去除量纲后的标准差，标准差除以均值得到的，没有单位，可以直观地对数据进行简易分析；
2.用CV值对数组平行试验结果进行测算，进而推断总体即试验数据离散程度，属于描述性统计。
3.一般而言，根据不同的总体，计算CV值不能少于3个数据，最好能在10个以上，样本量过大时用CV进行推断的准确度就不够了。
4.对于工艺路线已运行一段时间，不是处于摸索阶段，CV值可参考以下内容进行推断：当CV值小于1%时，表示数据离散程度较小；在1%-2%之间，表示数据离散度正常；在2%-3%，表示数据离散度尚可接受；当大于4%时，表示数据离散度较大；数据越大表明工艺路线越不稳定。
5.对于处于摸索阶段的工艺路线，一般认为若用CV值推断总体，低于10%其推断离散程度是可以接受的。
但需说明的是，由于CV值仅仅是描述性统计，要想得到更准确的数据波动性、过程能力或显著性差异推断，建议采用SPC、CPK、假设检验、方差分析、趋势分析等工具。本回答被网友采纳
第2个回答 2011-11-03
这个是不是搞错了？
变异系数是不同单位的几个指标之间比较变异程度时的参考指标，变异系数越大，表示变异程度越大。
变异系数是不同单位的几个指标之间比较变异程度时的参考指标，变异系数越大，表示变异程度越大。
