Vzorec pro směrodatnou odchylku: Podrobný návod krok za krokem

Co je vzorec pro směrodatnou odchylku?

Vzorec pro směrodatnou odchylku je matematický výraz používaný k vyjádření míry variability nebo rozptýlení v souboru dat. Nízká směrodatná odchylka znamená, že datové body jsou obvykle blízko k průměru (μ nebo x̄), zatímco vysoká směrodatná odchylka ukazuje, že hodnoty jsou rozptýleny v širším rozsahu.

Ve statistice závisí volba vzorce na tom, zda pracujete s celým základním souborem, nebo pouze s výběrem z tohoto souboru. Základním principem je výpočet průměru druhých mocnin odchylek od průměru, což označujeme jako rozptyl (σ²), a následná odmocnina, která vrací měření zpět do původních jednotek.

Směrodatná odchylka základního souboru

σ = √[ Σ (xi - μ)² / N ]

σ (sigma): Směrodatná odchylka základního souboru
Σ (sigma): Suma...
xi: Každá jednotlivá hodnota v datovém souboru
μ (mí): Aritmetický průměr základního souboru
N: Celkový počet datových bodů v základním souboru

Směrodatná odchylka základního a výběrového souboru

Při analýze reálných dat je vzácné mít k dispozici údaje za celý základní soubor. Ve většině případů sbíráme výběr, abychom na jeho základě udělali závěry o celé populaci. Protože výběr pouze odhaduje průměr základního souboru, výpočet směrodatné odchylky pomocí vzorce pro základní soubor vede k systematickému podhodnocení skutečné variability. K nápravě tohoto zkreslení používáme vzorec pro směrodatnou odchylku výběrového souboru.

Směrodatná odchylka výběrového souboru

s = √[ Σ (xi - x̄)² / (n - 1) ]

Nemíchejte vzorce dohromady!

Použití 'N' pro výběr nebo 'n-1' pro základní soubor povede k nesprávnému měření rozptýlení. Vzorec pro výběr s n-1 se nazývá Besselova korekce a je nezbytný pro nestranný odhad rozptylu základního souboru.

Výpočet vzorce krok za krokem

Ruční výpočet směrodatné odchylky vyžaduje systematický přístup. Dodržením následujících kroků můžete přesně vypočítat směrodatnou odchylku základního i výběrového souboru pro jakoukoliv sadu dat.

Vypočítejte průměr

Sečtěte všechny datové body (Σxi) a vydělte jejich celkovým počtem (N nebo n), abyste získali průměr (μ nebo x̄).

Zjistěte odchylky

Odečtěte průměr od každého jednotlivého datového bodu, abyste zjistili odchylku: (xi - průměr).

Umocněte odchylky na druhou

Umocněte na druhou každou odchylku vypočítanou v předchozím kroku: (xi - průměr)². Tím zajistíte, že všechny hodnoty budou kladné.

Sečtěte druhé mocniny odchylek

Sečtěte všechny druhé mocniny odchylek, abyste získali součet čtverců: Σ(xi - průměr)².

Vydělte hodnotou N nebo n-1

Pro základní soubor vydělte hodnotou N. Pro výběrový soubor vydělte hodnotou (n - 1). Tím získáte rozptyl (σ² nebo s²).

Odmocněte

Vezměte druhou odmocninu z rozptylu a získáte směrodatnou odchylku (σ nebo s).

Proč se ve vzorci pro výběr dělí n-1?

Dělení hodnotou n-1 místo n je koncept známý jako Besselova korekce. Protože výběrový průměr (x̄) je vypočítán ze samotných dat výběru, odchylky (xi - x̄) jsou matematicky vázány tak, aby jejich součet byl nula. To znamená, že datové body jsou o něco blíže k výběrovému průměru než k skutečnému průměru základního souboru (μ).

Vydělením hodnotou n-1 (tzv. stupně volnosti) variance mírně navýšíme, čímž kompenzujeme toto podhodnocení, a získáme tak nestranný odhad rozptylu základního souboru.

Sources

References and further authoritative reading used in preparing this article.

← Centrum výuky

How to Read This Article

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goal	What to focus on	Common mistake
Definition	What the metric is and what quantity it summarizes	Treating the formula as self-explanatory
Formula choice	Sample versus population assumptions and notation	Using n when n-1 is required or vice versa
Interpretation	Whether the result indicates concentration, spread, or risk	Calling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.