Was ist die Standardabweichung? Definition, Formel & Beispiele

Was ist die Standardabweichung?

Die Standardabweichung ist ein statistisches Maß, das die Ausprägung der Streuung (Variabilität) in einem Datensatz quantifiziert. Eine niedrige Standardabweichung zeigt an, dass die Datenpunkte dicht um den Mittelwert (Erwartungswert) liegen, während eine hohe Standardabweichung darauf hindeutet, dass die Werte über einen breiteren Bereich verstreut sind. Sie wird durch den griechischen Buchstaben σ (Sigma) für Grundgesamtheiten und s für Stichproben symbolisiert und gehört zu den grundlegendsten Konzepten der deskriptiven Statistik.

Standardabweichung der Grundgesamtheit vs. Stichprobe

Bevor Sie die Standardabweichung berechnen, müssen Sie festlegen, ob Ihre Daten eine gesamte Grundgesamtheit (Population) oder nur eine Stichprobe daraus repräsentieren. Eine Grundgesamtheit umfasst alle Mitglieder einer definierten Gruppe, während eine Stichprobe eine repräsentative Teilmenge dieser Gruppe ist. Bei der Berechnung der Standardabweichung für eine Stichprobe ist eine mathematische Korrektur nötig – die Verwendung von n - 1 (Freiheitsgrade oder df) anstelle von N –, um sicherzustellen, dass das Ergebnis ein unverzerrter Schätzer der Varianz der Grundgesamtheit ist.

Die Formel der Standardabweichung erklärt

Die Formeln für die Standardabweichung basieren darauf, zunächst die Varianz zu berechnen und dann die Quadratwurzel zu ziehen. Dieser Wurzel-Schritt ist entscheidend, da er das Streuungsmaß wieder in die ursprünglichen Einheiten der Daten zurückführt. Die wichtigsten Komponenten sind xᵢ (der einzelne Wert), μ oder x̄ (der Mittelwert der Grundgesamtheit oder Stichprobe) sowie N oder n (die Gesamtzahl der Werte).

Schritt-für-Schritt-Berechnungsbeispiel

Lassen Sie uns die Standardabweichung der Stichprobe für einen kleinen Datensatz von Klausurergebnissen berechnen: [4, 8, 6, 5, 3, 2, 8, 9, 2, 5]. Wenn wir der Formel Schritt für Schritt folgen, wird deutlich, wie sich die Varianz aufsummiert, bevor wir schließlich die Quadratwurzel ziehen.

Standardabweichung in Python berechnen

Die manuelle Berechnung der Standardabweichung ist fehleranfällig, insbesondere bei großen Datensätzen. In der Praxis nutzen Statistiker und Data Scientists Programmiersprachen wie Python, um sie mithilfe integrierter Bibliotheken sofort zu berechnen.

import statistics

data = [4, 8, 6, 5, 3, 2, 8, 9, 2, 5]

# Stichproben-Standardabweichung berechnen (Standard)
sample_sd = statistics.stdev(data)
print(f"Sample SD: {sample_sd:.2f}")

# Standardabweichung der Grundgesamtheit berechnen
pop_sd = statistics.pstdev(data)
print(f"Population SD: {pop_sd:.2f}")

Die empirische Regel und die Standardabweichung

Wenn Daten einer Normalverteilung (Glockenkurve) folgen, wird die Standardabweichung äußerst aussagekräftig. Die empirische Regel, auch 68-95-99,7-Regel genannt, besagt, dass nahezu alle Daten innerhalb von drei Standardabweichungen vom Mittelwert liegen. Dies ermöglicht es Analysten, Ausreißer schnell zu identifizieren und die Wahrscheinlichkeit eines bestimmten Ereignisses abzuschätzen.

Standardabweichung vs. Varianz

Varianz und Standardabweichung sind eng verwandte Streuungsmaße. Die Varianz (σ² oder s²) ist der Durchschnitt der quadrierten Abweichungen vom Mittelwert, während die Standardabweichung die Quadratwurzel der Varianz ist. Da die Varianz in quadrierten Einheiten ausgedrückt wird (z. B. Euro², Quadratzentimeter), ist sie im Kontext der Originaldaten oft schwer interpretierbar. Die Standardabweichung löst dieses Problem, indem sie das Maß wieder in die ursprünglichen Einheiten umwandelt.

Häufige Fehlerquellen, die es zu vermeiden gilt

Obwohl die Standardabweichung ein mächtiges Werkzeug ist, wird sie oft falsch angewendet. Eine fehlerhafte Anwendung der Formeln oder ein Missverständnis darüber, was der Wert repräsentiert, kann zu fehlerhaften Datenanalysen und falschen Schlussfolgerungen führen.

• Verwendung der Formel für die Grundgesamtheit bei einer Stichprobe: Werden bei Stichproben die Freiheitsgrade (n - 1) vergessen, wird die berechnete Streuung künstlich reduziert und die wahre Varianz der Grundgesamtheit unterschätzt.
• Anwendung auf nicht-normalverteilte Daten: Die empirische Regel gilt nur für Normalverteilungen. Bei stark schiefen Daten spiegelt die Standardabweichung die Streuung möglicherweise nicht korrekt wider.
• Verwechslung mit dem Standardfehler: Der Standardfehler (Standard Error) misst die Präzision des geschätzten Stichprobenmittelwerts, während die Standardabweichung die Streuung der zugrunde liegenden Daten selbst misst.