Standardabweichung Berechnen (Schritt für Schritt)

Die Standardabweichung misst, wie stark eine Reihe von Zahlen um ihren Mittelwert streut. Man bestimmt zuerst den Mittelwert, berechnet für jeden Wert den quadrierten Abstand dazu, mittelt diese Quadrate und zieht am Ende die Quadratwurzel. Dabei gibt es zwei Varianten: eine Stichproben-Version, die durch n minus 1 teilt, und eine Populations-Version, die durch n teilt. Welche du brauchst, hängt davon ab, ob deine Daten die gesamte Gruppe abdecken, die dich interessiert, oder nur einen Ausschnitt davon.

Warum das wichtig ist

Der Mittelwert zeigt, wo sich ein Datensatz zentriert. Er sagt nichts darüber aus, wie einheitlich die Werte sind. Zwei Gruppen können im Schnitt exakt gleich abschneiden und trotzdem völlig unterschiedliche Situationen beschreiben.

Nimm zwei Gruppen von je fünf Testnoten, beide mit einem Mittelwert von genau 70:

	Noten	Mittelwert	Populations-SD	Stichproben-SD
Klasse A	68, 70, 72, 70, 70	70	1,26	1,41
Klasse B	50, 90, 60, 80, 70	70	14,14	15,81

Die Noten der Klasse A liegen eng um 70 herum, keine Schülerin und kein Schüler weicht mehr als zwei Punkte vom Durchschnitt ab, deshalb fällt die Standardabweichung klein aus. Klasse B hat denselben Mittelwert, aber die einzelnen Noten reichen von 50 bis 90. Manche haben sichtlich gekämpft, andere glänzend abgeschnitten, und der Durchschnitt von 70 verbirgt diese Kluft vollständig. Wer nur auf den Mittelwert schaut, hält beide Klassen für identisch. Die Standardabweichung zeigt, dass sie es nicht sind.

Population oder Stichprobe: welche Formel passt

Beide Formeln beginnen gleich: vom Mittelwert abziehen, das Ergebnis quadrieren, die Quadrate addieren. Der Unterschied liegt nur im Divisor.

Die Populations-Standardabweichung teilt die Summe der quadrierten Abweichungen durch n, die Gesamtzahl der Werte. Nutze sie, wenn dein Datensatz bereits alles enthält, was dich interessiert, etwa die Noten jeder Schülerin einer bestimmten Klasse oder das Gewicht jeder Schachtel, die eine Maschine in einer Schicht produziert hat.

Die Stichproben-Standardabweichung teilt stattdessen durch n minus 1. Verwende sie, wenn deine Daten nur ein Ausschnitt aus einer größeren Gruppe sind und du versuchst, deren Streuung aus einer kleineren Menge zu schätzen, etwa bei einer Umfrage unter 200 Wählern, um eine ganze Wählerschaft einzuschätzen, oder beim Messen von 10 Schachteln aus einer Tagesproduktion von 50.000 Stück. Durch die kleinere Zahl zu teilen macht das Ergebnis etwas größer, was ausgleicht, dass eine Stichprobe die wahre Streuung der Gruppe tendenziell unterschätzt. In der Statistik heißt das Bessel-Korrektur.

Falls unklar ist, welche Formel passt, frag dich, ob es außerhalb deiner Daten noch mehr Werte derselben Art gibt. Wenn ja, arbeitest du fast sicher mit einer Stichprobe. Bei größeren Datensätzen wird der Unterschied zwischen beiden Formeln ohnehin klein, weil n und n minus 1 sich kaum noch unterscheiden. Bei fünf oder zehn Werten wie in den Beispielen hier ist die Wahl dagegen deutlich zu spüren, deshalb lohnt sich ein zweiter Blick, bevor man ein Ergebnis weitergibt.

Rechenbeispiel: Gewichtskontrolle im Müsliwerk

Eine Fabrik zielt auf 500 Gramm pro Müslischachtel. Die Qualitätskontrolle nimmt zehn Schachteln von der Linie und wiegt jede einzeln, in Gramm:

498, 502, 501, 497, 503, 500, 499, 502, 496, 501

Schritt 1: Mittelwert bestimmen. Addiere die zehn Gewichte: 498 + 502 + 501 + 497 + 503 + 500 + 499 + 502 + 496 + 501 = 4999. Teile durch 10: Mittelwert = 499,9 Gramm. Die schwerste Schachtel wiegt 503g, die leichteste 496g, eine Spannweite von 7 Gramm.

Schritt 2: Abweichung jeder Schachtel bestimmen und quadrieren.

Schachtel	Gewicht (g)	Abweichung vom Mittelwert	Quadrierte Abweichung
1	498	-1,9	3,61
2	502	2,1	4,41
3	501	1,1	1,21
4	497	-2,9	8,41
5	503	3,1	9,61
6	500	0,1	0,01
7	499	-0,9	0,81
8	502	2,1	4,41
9	496	-3,9	15,21
10	501	1,1	1,21

Schritt 3: Quadrierte Abweichungen summieren. Die letzte Spalte addiert: 3,61 + 4,41 + 1,21 + 8,41 + 9,61 + 0,01 + 0,81 + 4,41 + 15,21 + 1,21 = 48,9.

Schritt 4: Teilen und Quadratwurzel ziehen. Diese zehn Schachteln sind eine Stichprobe aus einer viel größeren Produktion, deshalb lohnt sich der Blick auf beide Werte. Würde man die zehn Schachteln als die gesamte Population behandeln, teilte man durch 10: Varianz = 48,9 / 10 = 4,89, Standardabweichung = √4,89 ≈ 2,21 Gramm. Behandelt man sie als Stichprobe einer größeren Produktion, teilt man durch n minus 1 = 9: Varianz ≈ 48,9 / 9 = 5,43, Standardabweichung = √5,43 ≈ 2,33 Gramm.

So oder so sagt das Ergebnis dem Qualitätsteam etwas, das der Mittelwert allein nicht zeigt: Die meisten Schachteln liegen innerhalb von etwa 2 bis 2,3 Gramm um 499,9g, der Prozess läuft also stabil nahe am Ziel, ohne dass ein einzelner Ausreißer das Bild verzerrt. Läge die Standardabweichung stattdessen bei 8 oder 10 Gramm, würde dieselbe Fabrik eine ganz andere Geschichte erzählen: einige Schachteln deutlich unter dem Zielgewicht, andere weit darüber, selbst wenn der Mittelwert am Ende zufällig noch bei 500 Gramm läge.

Berechne es mit deinen eigenen Zahlen

Füge deine eigene Liste von Werten ein und erhalte sofort Mittelwert, beide Standardabweichungen und die Varianz.

Standardabweichung-Rechner

Kostenlos, ohne Anmeldung, auf jedem Gerät.

Vollständiges Tool öffnen

Häufige Fehler

Die rohen Abweichungen mitteln, statt sie vorher zu quadrieren. Zieht man den Mittelwert von jedem Wert ab und mittelt diese Differenzen direkt, kommt immer null heraus, weil sich positive und negative Abweichungen per Definition aufheben. Erst das Quadrieren sorgt dafür, dass die Streuung als positive Zahl sichtbar wird.

Die Varianz als Standardabweichung ausgeben. Die Varianz ist der Mittelwert der quadrierten Abweichungen, die Standardabweichung ist deren Quadratwurzel. Auch die Einheiten unterscheiden sich: Misst man Gramm, kommt die Varianz in Gramm zum Quadrat heraus, was für sich genommen wenig aussagt. Den letzten Schritt, die Quadratwurzel, zu vergessen, gehört zu den häufigsten Fehlern bei einer Handrechnung.

Durch n teilen, obwohl die Daten eine Stichprobe sind. n statt n minus 1 zu verwenden unterschätzt, wie stark die tatsächliche Population vermutlich streut, besonders bei kleinen Datensätzen. Der Unterschied zwischen Teilen durch 9 und Teilen durch 10 wirkt bei zehn Schachteln klein, wird bei kleineren Stichproben aber deutlich spürbarer.

Stichproben- und Populationsformel verwechseln. Manche Rechner nutzen standardmäßig die Populations-SD, andere die Stichproben-SD, und eine Verwechslung lässt zwei korrekte Ergebnisse wie einen Fehler aussehen. Prüfe immer, welcher Divisor verwendet wird, bevor du Werte aus verschiedenen Quellen vergleichst.

Häufig gestellte Fragen

Was ist der eigentliche Unterschied zwischen Stichproben- und Populations-Standardabweichung? Die Populations-Standardabweichung teilt die Summe der quadrierten Abweichungen durch n, die vollständige Anzahl der Werte. Die Stichproben-Standardabweichung teilt durch n minus 1. Bei denselben Daten fällt die Stichproben-Version immer etwas größer aus, weil das Teilen durch eine kleinere Zahl ein größeres Ergebnis liefert. Nutze die Populations-SD nur, wenn dein Datensatz die vollständige untersuchte Gruppe ist, und die Stichproben-SD, wenn er nur ein Ausschnitt ist, der etwas Größeres schätzen soll.

Was gilt als “niedrige” oder “hohe” Standardabweichung? Das hängt vollständig vom Maßstab und Kontext dessen ab, was gemessen wird. Eine Standardabweichung von 2 Gramm ist eng für Müslischachteln, wäre aber riesig beim Gewicht eines einzelnen Reiskorns. Ein brauchbarer Maßstab ist das Verhältnis zum Mittelwert: Eine Standardabweichung, die nur einen kleinen Bruchteil des Mittelwerts ausmacht, deutet auf eng gebündelte Daten hin, ein großer Bruchteil auf breite Streuung. Eine universelle Grenze, die für jeden Datensatz gilt, gibt es nicht.

Kann die Standardabweichung negativ sein? Nein. Da jede Abweichung vor dem Mitteln quadriert wird, kann der Ausdruck unter der Wurzel nie negativ werden, und die Quadratwurzel selbst ist als nicht negativ definiert. Die kleinstmögliche Standardabweichung ist null, und das passiert nur, wenn alle Werte im Datensatz identisch sind.

Wie hängt die Standardabweichung mit der Varianz zusammen? Die Varianz ist der Mittelwert der quadrierten Abweichungen vom Mittelwert. Die Standardabweichung ist einfach ihre Quadratwurzel. Beide messen dieselbe zugrunde liegende Streuung, aber die Standardabweichung ist im Alltag meist nützlicher, weil sie in denselben Einheiten wie die Ausgangsdaten ausgedrückt wird (Gramm, Euro, Punkte), während die Varianz in quadrierten Einheiten steht, die sich nicht direkt auf etwas Physisches zurückführen lassen.