Slik Regner Du Ut Standardavviket (Steg for Steg)

Standardavviket forteller hvor mye tallene i et datasett sprer seg rundt gjennomsnittet. Du finner gjennomsnittet, regner ut hvor langt hver verdi ligger unna det, kvadrerer disse avstandene, tar gjennomsnittet av kvadratene og trekker til slutt kvadratroten av resultatet. Det finnes to versjoner av formelen: en utvalgsversjon som deler på n minus 1, og en populasjonsversjon som deler på n. Hvilken du skal bruke avhenger av om dataene dine er hele gruppen du er interessert i, eller bare et lite utsnitt av en større gruppe.

Hvorfor det betyr noe

To klasser kan ha nøyaktig samme gjennomsnittskarakter og likevel se helt forskjellige ut når man ser på enkeltresultatene. Se på disse to settene med prøveresultater, begge med gjennomsnitt 70:

Klasse	Karakterer	Gjennomsnitt	Populasjonsstandardavvik	Utvalgsstandardavvik
Klasse A	68, 70, 72, 70, 70	70	≈ 1,26	≈ 1,41
Klasse B	50, 90, 60, 80, 70	70	≈ 14,14	≈ 15,81

Klasse A har resultater som ligger tett samlet rundt gjennomsnittet, mens Klasse B har noen elever som scoret svært høyt og andre som scoret svært lavt. Gjennomsnittet på 70 sier ingenting om denne forskjellen. Standardavviket derimot viser den umiddelbart: et lite tall betyr at verdiene ligger nær hverandre, et stort tall betyr spredning og variasjon. Dette er grunnen til at lærere, ingeniører og analytikere sjelden nøyer seg med et gjennomsnitt alene.

Populasjon eller utvalg: hva er forskjellen

Formelen finnes i to varianter, og forskjellen handler om hvor mye av virkeligheten dataene dine faktisk dekker.

Bruk populasjonsstandardavvik når datasettet ditt er hele gruppen du bryr deg om. Har du målt alle elevene i en klasse, alle produktene som gikk gjennom en bestemt produksjonslinje i går, eller alle ansatte i en liten bedrift? Da har du populasjonen, ikke et utvalg av den. Formelen deler summen av kvadrerte avvik på n, altså antall observasjoner.

Bruk utvalgsstandardavvik når dataene dine er en stikkprøve hentet fra en større gruppe du prøver å si noe om. Ti pakker plukket fra en produksjonslinje som lager tusenvis av pakker daglig er et utvalg. Femti kunder spurt i en undersøkelse blant en base på hundretusener er også et utvalg. Her deler formelen på n minus 1 i stedet for n. Dette kalles Bessel-korreksjonen, og den finnes fordi et lite utvalg systematisk har en tendens til å undervurdere spredningen i den fulle populasjonen. Å dele på et litt mindre tall øker resultatet akkurat nok til å kompensere for det.

Tommelfingerregelen: spør deg selv om dataene dekker alt du er interessert i, eller bare en bit av det. Alt gir populasjon, en bit gir utvalg.

Et fullstendig regneeksempel

Se for deg en fabrikk som produserer frokostblanding i pakker på 500 gram. Kvalitetskontrollen veier ti tilfeldige pakker fra dagens produksjon for å se hvor nøyaktig fyllemaskinen jobber. Vektene i gram blir slik:

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

Summen av disse ti tallene er 4999, som gir et gjennomsnitt på 499,9 gram. Variasjonsbredden, altså forskjellen mellom høyeste og laveste verdi, er 7 gram (fra 496 til 503). Det forteller oss allerede at ingen pakke bommer voldsomt på målet, men vi trenger standardavviket for å si noe presist om hvor stabil maskinen er.

Her er beregningen steg for steg for hver pakke:

Pakke	Vekt (g)	Avvik fra 499,9	Kvadrert avvik
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

Legg merke til at de rå avvikene i kolonne to summerer til null (det gjør de alltid, uansett datasett), og det er nettopp derfor de må kvadreres før de kan brukes til noe. Summen av kolonnen med kvadrerte avvik er 48,9.

Her er hvor de to formlene skiller lag. Siden ti pakker er en stikkprøve fra en mye større produksjonsmengde, er dette et utvalg, og Bessel-korreksjonen bør brukes i den offisielle kvalitetsrapporten. Men det er nyttig å se begge beregningene:

Populasjonsversjon (deler på n = 10): variansen blir 48,9 / 10 = 4,89, og standardavviket er kvadratroten av det, ≈ 2,21 gram.

Utvalgsversjon (deler på n-1 = 9): variansen blir 48,9 / 9 ≈ 5,43, og standardavviket er kvadratroten av det, ≈ 2,33 gram.

Forskjellen mellom 2,21 og 2,33 gram virker liten her fordi ti observasjoner er nok til at korreksjonen ikke gjør stort utslag. Med et utvalg på tre eller fire ville forskjellen vært mye tydeligere. Konklusjonen for fabrikken: pakkene varierer med rundt 2,3 gram rundt målvekten på 500 gram, noe som virker som en solid, stabil prosess gitt at variasjonsbredden bare er 7 gram.

Regn ut med dine egne tall

Lim inn dine egne verdier under, kommaseparert eller på egne linjer, så regner kalkulatoren ut gjennomsnitt, variasjonsbredde, varians og både utvalgs- og populasjonsstandardavvik med en gang.

Standardavvik-Kalkulator

Gratis, ingen registrering, fungerer på alle enheter.

Åpne hele verktøyet

Vanlige feil

Den vanligste feilen er å blande sammen utvalgs- og populasjonsformelen, altså dele på n når man burde delt på n minus 1, eller omvendt. Konsekvensen er sjelden dramatisk med store datasett, men blir betydelig med små utvalg, akkurat der presisjon ofte betyr mest.

En annen klassisk glipp er å hoppe over kvadreringen og bare ta gjennomsnittet av de rå avvikene. Siden positive og negative avvik alltid kanselleres og summerer til null, gir det alltid null, uansett hvor spredt dataene faktisk er. Kvadreringen finnes nettopp for å gjøre alle avvik positive før de summeres.

Noen regner riktig varians, men glemmer siste steg: å trekke kvadratroten. Da rapporterer man variansen (et tall i kvadratenheter, for eksempel gram i annen) som om det var standardavviket (samme enhet som dataene selv). De to tallene kan se ganske forskjellige ut, spesielt når avvikene er store, så det er lett å skjønne at noe er galt hvis resultatet virker urimelig stort.

Til slutt: bruk av hele populasjonsformelen på et lite utvalg fra en mye større gruppe undervurderer den ekte spredningen. Ti målte enheter fra en produksjonslinje som lager millioner er et utvalg, ikke en populasjon, og Bessel-korreksjonen finnes akkurat for å rette opp denne skjevheten.

Ofte stilte spørsmål

Hva er forskjellen mellom utvalgs- og populasjonsstandardavvik?

Populasjonsformelen deler summen av kvadrerte avvik på n (antall observasjoner) og brukes når dataene dine utgjør hele gruppen du studerer. Utvalgsformelen deler på n minus 1 og brukes når dataene er en stikkprøve fra en større gruppe. Den lavere divisoren i utvalgsformelen gir et litt høyere standardavvik, som kompenserer for at små utvalg har en tendens til å undervurdere den virkelige spredningen.

Hva regnes som et “lavt” eller “høyt” standardavvik i praksis?

Det finnes ingen universell grense, det avhenger alltid av konteksten og skalaen på dataene. Et standardavvik på 2 gram rundt en målvekt på 500 gram (som i eksempelet over) er lite i forhold til gjennomsnittet, og tyder på en stabil prosess. Det samme tallet, 2, ville vært enormt for et datasett der verdiene ligger mellom 0 og 5. En nyttig tommelfingerregel er å sammenligne standardavviket med gjennomsnittet: jo mindre forholdet er, desto jevnere er dataene.

Kan standardavviket være negativt?

Nei, aldri. Fordi formelen kvadrerer hvert avvik før noe summeres, blir alle leddene positive eller null, og kvadratroten av en sum av positive tall kan ikke bli negativ. Det laveste mulige standardavviket er null, og det oppstår bare når alle verdiene i datasettet er identiske.

Hvordan henger standardavviket sammen med variansen?

Standardavviket er ganske enkelt kvadratroten av variansen. Variansen regnes ut først (gjennomsnittet av de kvadrerte avvikene), og deretter tar man kvadratroten for å komme tilbake til samme måleenhet som de opprinnelige dataene. I fabrikkeksempelet var utvalgsvariansen omtrent 5,43 gram i annen, noe som er vanskelig å tolke intuitivt, mens standardavviket på 2,33 gram er lett å sammenligne direkte med målvekten på 500 gram.