Kompletní průvodce směrodatnou odchylkou | Standard Deviation Calculator

Co je směrodatná odchylka?

Směrodatná odchylka je statistická míra, která kvantifikuje míru variability neboli rozptýlení v datovém souboru. Jednoduše řečeno vám říká, jak moc jsou čísla rozptýlena kolem svého průměru (aritmetického průměru).

Představte si to takto: pokud máte skupinu studentů s výsledky testů, směrodatná odchylka vám řekne, zda většina studentů dosáhla podobného skóre (nízká SO) nebo zda byly výsledky velmi různorodé (vysoká SO).

Visual Comparison

Low SD (σ = 0.5)

Data clustered tightly around the mean

High SD (σ = 2)

Data spread widely from the mean

Proč je směrodatná odchylka důležitá?

Směrodatná odchylka je jednou z nejpoužívanějších statistických měr, protože poskytuje klíčové poznatky pro rozhodování prakticky ve všech oblastech:

Finance:Měření investičního rizika a volatility portfolia
Výroba:Kontrola kvality a zlepšování procesů Six Sigma
Věda:Vykazování nejistoty měření a experimentální přesnosti
Vzdělávání:Analýza rozložení výsledků testů a křivek hodnocení
Zdravotnictví:Klinické studie a pochopení variability dat pacientů

Vzorec pro směrodatnou odchylku

Existují dvě verze vzorce pro směrodatnou odchylku, v závislosti na tom, zda pracujete s výběrem nebo s celou populací:

Populační směrodatná odchylka

σ = √[Σ(xᵢ - μ)² / N]

Výběrová směrodatná odchylka

s = √[Σ(xᵢ - x̄)² / (n-1)]

Klíč symbolů

σ (sigma) = populační SO · s = výběrová SO · Σ = součet · xᵢ = každý datový bod · μ (mí) = populační průměr · x̄ (x s pruhem) = výběrový průměr · N = velikost populace · n = velikost výběru

Proč (n-1)?

Při práci s výběrem dělíme (n-1) místo n. Toto se nazývá Besselova korekce a poskytuje nestranný odhad populační směrodatné odchylky.

Výpočet krok za krokem

Vypočítejme výběrovou směrodatnou odchylku pro datový soubor: 4, 8, 6, 5, 3

Vypočítejte průměr

Průměr = (4 + 8 + 6 + 5 + 3) / 5 = 26 / 5 = 5,2

Najděte odchylku každé hodnoty od průměru

4 - 5,2 = -1,2 · 8 - 5,2 = 2,8 · 6 - 5,2 = 0,8 · 5 - 5,2 = -0,2 · 3 - 5,2 = -2,2

Umocněte každou odchylku

(-1,2)² = 1,44 · (2,8)² = 7,84 · (0,8)² = 0,64 · (-0,2)² = 0,04 · (-2,2)² = 4,84

Sečtěte umocněné odchylky

1,44 + 7,84 + 0,64 + 0,04 + 4,84 = 14,8

Vydělte (n-1)

Rozptyl = 14,8 / (5-1) = 14,8 / 4 = 3,7

Odmocněte

Směrodatná odchylka = √3,7 = 1,924

Tip pro profesionály

Použijte náš Kalkulátor směrodatné odchylky pro okamžitý výpočet SO s podrobným řešením krok za krokem pro libovolný datový soubor.

Interpretace výsledků

Pochopení toho, co hodnota směrodatné odchylky znamená, je klíčové pro informované rozhodování:

Hodnota SO	Interpretace	Příklad
Nízká SO	Datové body se těsně shlukují kolem průměru; vysoká konzistence	Strojně vyráběné díly s přísnými tolerancemi
Vysoká SO	Datové body jsou široce rozptýlené; vysoká variabilita	Denní změny cen akcií
Nulová SO	Všechny datové body jsou identické	Zboží s pevnou cenou v obchodě

Empirické pravidlo (68-95-99,7)

Pro normálně rozdělená data: 68 % dat spadá do 1 směrodatné odchylky od průměru · 95 % spadá do 2 směrodatných odchylek · 99,7 % spadá do 3 směrodatných odchylek

Příklady z praxe

Příklad 1: Výsledky zkoušek

Třída 30 studentů absolvuje zkoušku. Průměrné skóre je 75 se směrodatnou odchylkou 10. Interpretace: Většina studentů (přibližně 68 %) dosáhla skóre mezi 65 a 85. Student, který dosáhl 95 bodů, si vedl výjimečně dobře (2 SO nad průměrem), zatímco skóre 55 naznačuje obtíže (2 SO pod průměrem).

Příklad 2: Kvalita výroby

Továrna vyrábí šrouby, které by měly mít průměr 10 mm. Po změření 100 šroubů je průměr 10,02 mm s SO 0,05 mm. Interpretace: Proces je dobře kontrolován. 99,7 % šroubů bude mít průměr mezi 9,87 mm a 10,17 mm (±3σ). Pokud specifikace vyžaduje 10 mm ± 0,2 mm, tento proces snadno splňuje kvalitativní standardy.

Časté chyby, kterým se vyhnout

Použití špatného vzorce

Nepoužívejte populační SO (N), když máte výběr. Tím podhodnotíte skutečnou variabilitu.

Ignorování odlehlých hodnot

Směrodatná odchylka je citlivá na odlehlé hodnoty. Jediná extrémní hodnota může dramaticky zvýšit SO. Zvažte použití mediánu absolutních odchylek (MAD) pro datové soubory s odlehlými hodnotami.

Předpokládání normálního rozdělení

Empirické pravidlo (68-95-99,7) platí pouze pro normálně rozdělená data. Před aplikací těchto procent zkontrolujte rozdělení svých dat.

← Centrum výuky