摘要：在工业生产过程中所检测出的一组随机变量其分布同样是一随机现象。可能呈现正态分布或是近似正态分布或是偏斜分布。将呈现的三种分布形态统称为：高斯新分布。在统计实践中这样的新分布是一客观现实。当呈现不对称的分布时，其位置特征参数的平均值必然偏移峰值。平均值加减标准差必然不是分布曲线的拐点。由此需要对标准差进行重新认识并重新定义。在正态分布的条件下平均值与峰值等价都是分布的期望值，在偏斜分布的条件下平均值与峰值不等，但峰值仍然是分布的期望值。由于不对称期望值左右两边的随机变量与期望值的离散程度必然各异。小于期望值随机变量与期望值离差平方和的平均值的平方根称为左期望偏差；大于期望值随机变量与期望值离差平方和的平均值的平方根称为右期望偏差。使期望值减左期望偏差，期望值加右期望偏差成为偏斜分布曲线的两个拐点，两拐点间的概率为0.6826。左右期望偏差新概念的提出引起对传统标准差的概念重新审视。根据传统标准差的定义：随机变量与平均值离差平方和的平均值的平方根。应改称为平均偏差。生产过程检测的全部数据是一随机变量，均需要与标准值（最好水平的目标值）相比较，以便进行统计分析与评价生产过程质量指标以标准值为准的稳定状况。基于此认识，随机变量与标准值离差平方和的平均值的平方根才是真正意义的标准偏差。当分布不对称或以标准值为中心不对称时，标准值左右两边随机变量与标准值离散程度的变异指标需要分解为：左右标准偏差。新概念左右标准偏差的提出将对工业生产过程的质量控制应用统计技术起到一定的积极作用。