Jak Obliczyć Odchylenie Standardowe (Krok po Kroku)

Odchylenie standardowe pokazuje, jak bardzo rozproszone są wartości w zbiorze liczb. Znajdujesz średnią, sprawdzasz, jak daleko od niej leży każda wartość, podnosisz te odległości do kwadratu, uśredniasz je, a na końcu wyciągasz pierwiastek kwadratowy z wyniku. Wzór ma dwie wersje: dla próby, gdzie dzieli się przez n minus 1, oraz dla populacji, gdzie dzieli się przez n. To, którą zastosować, zależy od tego, czy Twoje dane to cała grupa, którą badasz, czy tylko jej fragment.

Dlaczego to ma znaczenie

Średnia mówi, gdzie leży środek zbioru danych. Nic nie mówi o tym, jak spójne są poszczególne wartości. Dwie klasy mogą uzyskać identyczny wynik średni z testu, a mimo to opisywać zupełnie inną sytuację dla nauczyciela.

Weźmy dwie grupy po pięć wyników testu, obie ze średnią dokładnie 70:

	Oceny	Średnia	Odchylenie populacyjne	Odchylenie próby
Klasa A	68, 70, 72, 70, 70	70	1,26	1,41
Klasa B	50, 90, 60, 80, 70	70	14,14	15,81

Wyniki klasy A skupiają się ciasno wokół 70. Każdy uczeń trafił w granicach dwóch punktów od średniej, więc odchylenie standardowe wychodzi niewielkie. Klasa B ma dokładnie tę samą średnią, ale poszczególne wyniki rozciągają się od 50 do 90. Część uczniów wyraźnie sobie nie poradziła, inni zdali na piątkę, a średnia 70 zupełnie tę różnicę zaciera. Nauczyciel patrzący wyłącznie na średnią uznałby obie klasy za identyczne. Odchylenie standardowe pokazuje, że wcale takie nie są.

Populacja czy próba: który wzór zastosować

Oba wzory zaczynają się tak samo: od każdej wartości odejmujesz średnią, podnosisz wynik do kwadratu i sumujesz kwadraty. Różnią się dopiero tym, przez co dzielisz.

Odchylenie standardowe populacji dzieli sumę kwadratów odchyleń przez n, czyli całkowitą liczbę wartości. Stosuj je, gdy Twój zbiór danych obejmuje już wszystkich lub wszystko, co badasz, na przykład wyniki testu każdego ucznia jednej konkretnej klasy albo wagę każdego pudełka wyprodukowanego w jednej zmianie.

Odchylenie standardowe próby dzieli przez n minus 1 zamiast przez n. Sięgnij po nie, gdy Twoje dane to podzbiór wyciągnięty z większej populacji i próbujesz na jego podstawie oszacować rozproszenie całej grupy, na przykład ankietując 200 wyborców, by wnioskować o całym elektoracie, albo mierząc 10 pudełek z dziennej produkcji liczącej 50 000 sztuk. Dzielenie przez mniejszą liczbę (n minus 1) lekko zawyża wynik, co koryguje fakt, że próba zwykle zaniża prawdziwą zmienność grupy, z której pochodzi. Statystycy nazywają to poprawką Bessela.

Jeśli nie jesteś pewien, który wariant zastosować, zapytaj, czy poza danymi, które trzymasz w ręku, istnieją jeszcze inne dane tego samego typu. Jeśli tak, niemal na pewno masz do czynienia z próbą. W praktyce większość danych zbieranych w ankietach, badaniach naukowych czy testach oprogramowania to właśnie próby, bo rzadko kiedy udaje się zmierzyć dosłownie każdy element badanej populacji. Odchylenie populacyjne pojawia się częściej tam, gdzie dane pochodzą z zamkniętego, w pełni znanego zbioru, na przykład ocen wszystkich uczniów jednej klasy albo wyników wszystkich meczów jednej drużyny w danym sezonie.

Przykład liczbowy: kontrola wagi płatków w fabryce

Fabryka ma za cel 500 gramów na pudełko płatków śniadaniowych. Dział kontroli jakości zdejmuje z linii dziesięć pudełek i waży każde z nich, w gramach:

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

Krok 1: znajdź średnią. Zsumuj dziesięć wag: 498 + 502 + 501 + 497 + 503 + 500 + 499 + 502 + 496 + 501 = 4999. Podziel przez 10: średnia = 499,9 grama. Najcięższe pudełko waży 503 g, najlżejsze 496 g, czyli rozstęp wynosi 7 gramów.

Krok 2: znajdź odchylenie każdej wartości i podnieś je do kwadratu.

Pudełko	Waga (g)	Odchylenie od średniej	Kwadrat odchylenia
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

Krok 3: zsumuj kwadraty odchyleń. Dodając ostatnią kolumnę: 3,61 + 4,41 + 1,21 + 8,41 + 9,61 + 0,01 + 0,81 + 4,41 + 15,21 + 1,21 = 48,9.

Krok 4: podziel i wyciągnij pierwiastek kwadratowy. Te dziesięć pudełek to próba wyciągnięta z dużo większej produkcji, więc warto znać oba wyniki. Gdyby potraktować te dziesięć pudełek jako całą populację, dzielisz przez 10: wariancja = 48,9 / 10 = 4,89, a odchylenie standardowe = √4,89 ≈ 2,21 grama. Traktując je jako próbę z większej produkcji, dzielisz przez n minus 1 = 9: wariancja ≈ 48,9 / 9 = 5,43, a odchylenie standardowe = √5,43 ≈ 2,33 grama.

Niezależnie od podejścia wynik mówi zespołowi kontroli jakości coś, czego sama średnia nie pokaże: większość pudełek mieści się w granicach około 2 do 2,3 grama od 499,9 g, więc proces produkcyjny działa stabilnie i blisko celu, bez pojedynczego odstającego wyniku, który zaburzałby cały obraz.

Oblicz to na swoich liczbach

Wklej poniżej własną listę wartości i od razu zobacz średnią, oba warianty odchylenia standardowego oraz wariancję.

Kalkulator Odchylenia Standardowego

Za darmo, bez rejestracji, na każdym urządzeniu.

Otwórz pełne narzędzie

Typowe błędy

Uśrednianie surowych odchyleń zamiast najpierw podnieść je do kwadratu. Jeśli odejmiesz średnią od każdej wartości i uśrednisz te różnice bez podnoszenia ich do kwadratu, zawsze wyjdzie zero, bo odchylenia dodatnie i ujemne z definicji się znoszą. Dopiero podniesienie do kwadratu sprawia, że rozproszenie ujawnia się jako liczba dodatnia.

Podawanie wariancji tak, jakby to było odchylenie standardowe. Wariancja to średnia z kwadratów odchyleń, a odchylenie standardowe to jej pierwiastek kwadratowy. Różnią się też jednostką: przy pomiarach w gramach wariancja wychodzi w gramach do kwadratu, co samo w sobie niewiele mówi. Pominięcie ostatniego kroku, czyli pierwiastka, to jeden z najczęstszych błędów przy liczeniu ręcznym.

Dzielenie przez n, gdy dane są próbą. Użycie n zamiast n minus 1 dla danych będących próbą zaniża prawdopodobne rozproszenie całej populacji, zwłaszcza przy małych zbiorach. Różnica między dzieleniem przez 9 a przez 10 wygląda błaho przy dziesięciu pudełkach, ale rośnie wyraźnie, im mniejsza jest próba.

Mylenie wzoru stosowanego przez różne kalkulatory czy podręczniki. Część narzędzi domyślnie liczy odchylenie populacyjne, inne od razu odchylenie próby, a to niedopasowanie potrafi sprawić, że dwa “poprawne” wyniki wyglądają, jakby jeden z nich był błędny. Zanim porównasz wyniki z różnych źródeł, sprawdź, przez co faktycznie dzieli dane narzędzie.

Zaokrąglanie zbyt wcześnie w trakcie obliczeń. Jeśli zaokrąglisz średnią albo poszczególne odchylenia do jednego miejsca po przecinku, a dopiero potem podniesiesz je do kwadratu, błąd zaokrąglenia narasta z każdym kolejnym krokiem i końcowy wynik potrafi zauważalnie odbiegać od wartości dokładnej. Zaokrąglaj dopiero na samym końcu, po wyciągnięciu pierwiastka.

Najczęściej zadawane pytania

Jaka jest właściwie różnica między odchyleniem standardowym próby a populacji? Odchylenie standardowe populacji dzieli sumę kwadratów odchyleń przez n (pełną liczbę wartości). Odchylenie standardowe próby dzieli przez n minus 1. Wersja dla próby przy tych samych danych zawsze wychodzi nieco większa, bo dzielenie przez mniejszą liczbę daje większy wynik. Odchylenia populacyjnego używaj tylko wtedy, gdy dane to cała badana grupa, a odchylenia próby, gdy dane są podzbiorem mającym oszacować coś większego.

Co uznaje się za “niskie”, a co za “wysokie” odchylenie standardowe? To zależy całkowicie od skali i kontekstu tego, co mierzysz. Odchylenie standardowe rzędu 2 gramów jest bardzo niewielkie dla wagi pudełek płatków, ale byłoby ogromne przy pomiarze wagi pojedynczego ziarnka ryżu. Dobrym punktem odniesienia jest porównanie do samej średniej: odchylenie stanowiące niewielki ułamek średniej sugeruje dane mocno skupione, a duży ułamek sugeruje szeroki rozrzut. Nie ma jednej uniwersalnej granicy, która pasowałaby do każdego zbioru danych.

Czy odchylenie standardowe może być ujemne? Nie. Ponieważ każde odchylenie zostaje podniesione do kwadratu, zanim zostanie uśrednione, liczba pod pierwiastkiem nigdy nie może być ujemna, a sam pierwiastek kwadratowy z definicji jest nieujemny. Najmniejsza możliwa wartość odchylenia standardowego to zero, co zdarza się wyłącznie wtedy, gdy wszystkie wartości w zbiorze są identyczne.

Jak odchylenie standardowe odnosi się do wariancji? Wariancja to średnia z kwadratów odchyleń od średniej. Odchylenie standardowe to po prostu pierwiastek kwadratowy z wariancji. Obie miary opisują to samo rozproszenie danych, ale odchylenie standardowe zwykle łatwiej interpretować w codziennym życiu, bo jest wyrażone w tych samych jednostkach co dane wejściowe (gramy, złote, punkty), podczas gdy wariancja jest w jednostkach do kwadratu, które nie przekładają się wprost na nic fizycznego.