相对平均偏差（Relative Mean Deviation，RMD）是一种常用的衡量数据离散程度的统计量。它可以用来评估数据集中数值的分散程度，从而给出数据集的可靠程度。相对平均偏差越小，数据集越集中，越可靠；反之，相对平均偏差越大，数据集越分散，越不可靠。

相对平均偏差的计算公式如下：

$$RMD=\frac\sum_^\frac|}}$$

其中，$n$为数据集中数据的个数，$X_i$为第$i$个数据，$\bar$为数据集的平均数。

相对平均偏差的计算过程包括以下几个步骤：

1. 计算数据集的平均数$\bar$；

2. 计算每个数据与平均数之间的偏差$|X_i-\bar|$；

3. 计算每个偏差与平均数之比的绝对值$\frac|}}$；

4. 求出所有比值的平均数，即为相对平均偏差。

需要注意的是，相对平均偏差只适用于正数数据集，不适用于包含负数的数据集。

相对平均偏差是一种简单易懂、易于计算的统计量。它可以与其他统计量结合使用，如均值、标准差等，来评估数据集的整体情况。在实际应用中，相对平均偏差常被用来评估财务、经济等领域的数据，以判断数据的可靠程度和分析其趋势。