Standardabweichung Formel erklärt: Schritt-für-Schritt-Anleitung

Was ist die Formel der Standardabweichung?

Die Formel der Standardabweichung ist die mathematische Gleichung, mit der die Streuung oder Variabilität innerhalb eines Datensatzes quantifiziert wird. Eine niedrige Standardabweichung zeigt an, dass die Datenpunkte nah am Mittelwert (μ oder x̄) liegen, während eine hohe Standardabweichung darauf hindeutet, dass die Werte über einen breiteren Bereich streuen.

In der Statistik hängt die Wahl der Formel davon ab, ob Sie mit einer Grundgesamtheit oder einer daraus gezogenen Stichprobe arbeiten. Das Kernkonzept besteht darin, den Durchschnitt der quadrierten Abweichungen vom Mittelwert zu berechnen – die sogenannte Varianz (σ²) – und anschließend die Quadratwurzel zu ziehen, um wieder in die ursprünglichen Maßeinheiten zu gelangen.

Standardabweichung der Grundgesamtheit

σ = √[ Σ (xi - μ)² / N ]

σ (Sigma): Standardabweichung der Grundgesamtheit
Σ (Sigma): Summe über...
xi: Jeder einzelne Wert im Datensatz
μ (Mü): Mittelwert der Grundgesamtheit
N: Gesamtzahl der Datenpunkte in der Grundgesamtheit

Standardabweichung der Grundgesamtheit vs. Stichprobe

In der Datenanalyse in der Praxis hat man selten Daten einer gesamten Grundgesamtheit zur Verfügung. Meistens ziehen wir eine Stichprobe, um Rückschlüsse auf die größere Grundgesamtheit zu ziehen. Da eine Stichprobe den Mittelwert der Grundgesamtheit nur schätzt, unterschätzt die Berechnung der Standardabweichung mithilfe der Formel für die Grundgesamtheit auf eine Stichprobe die tatsächliche Streuung systematisch. Um diesen Bias zu korrigieren, verwenden wir die Formel für die Stichproben-Standardabweichung.

Stichproben-Standardabweichung

s = √[ Σ (xi - x̄)² / (n - 1) ]

Formeln nicht verwechseln!

Die Verwendung von 'N' für eine Stichprobe oder 'n-1' für eine Grundgesamtheit führt zu einem falschen Streuungsmaß. Die Stichprobenformel mit n-1 ist als Besselsche Korrektur bekannt und für die erwartungstreue Schätzung der Populationsvarianz zwingend erforderlich.

Schritt-für-Schritt-Berechnung der Formel

Die manuelle Berechnung der Standardabweichung erfordert ein systematisches Vorgehen. Mit diesen Schritten können Sie die Standardabweichung für Grundgesamtheit oder Stichprobe für jeden Datensatz präzise berechnen.

Mittelwert berechnen

Summieren Sie alle Datenpunkte (Σxi) und teilen Sie sie durch die Gesamtzahl der Punkte (N oder n), um den Mittelwert (μ oder x̄) zu ermitteln.

Abweichungen ermitteln

Ziehen Sie den Mittelwert von jedem einzelnen Datenpunkt ab, um die Abweichung zu berechnen: (xi - Mittelwert).

Abweichungen quadrieren

Quadrieren Sie jede der im vorherigen Schritt berechneten Abweichungen: (xi - Mittelwert)². Dadurch werden alle Werte positiv.

Quadrierte Abweichungen summieren

Addieren Sie alle quadrierten Abweichungen, um die Summe der Abweichungsquadrate zu finden: Σ(xi - Mittelwert)².

Durch N oder n-1 teilen

Teilen Sie bei einer Grundgesamtheit durch N. Bei einer Stichprobe teilen Sie durch (n - 1). Dies ergibt die Varianz (σ² oder s²).

Quadratwurzel ziehen

Ziehen Sie die Quadratwurzel aus der Varianz, um die Standardabweichung (σ oder s) zu erhalten.

Warum teilt die Stichprobenformel durch n-1?

Die Division durch n-1 anstelle von n ist ein Konzept, das als Besselsche Korrektur bekannt ist. Da der Stichprobenmittelwert (x̄) aus den Stichprobendaten selbst berechnet wird, ist die Summe der Abweichungen (xi - x̄) mathematisch gezwungenermaßen null. Das bedeutet, dass die Datenpunkte etwas näher am Stichprobenmittelwert liegen als am wahren Mittelwert der Grundgesamtheit (μ).

Indem wir durch n-1 (die Freiheitsgrade) teilen, vergrößern wir die Varianz gerade so weit, dass diese Unterschätzung ausgeglichen wird, und erhalten somit einen erwartungstreuen Schätzer der Varianz der Grundgesamtheit.

Sources

References and further authoritative reading used in preparing this article.

← Lernzentrum

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.