בינונייםConcepts·9 min

שגיאת תקן לעומת סטיית תקן

למדו את ההבדל בין שגיאת תקן לסטיית תקן. הבינו מתי להשתמש בכל אחת, כיצד לחשב SE ואת תפקידה ברווחי סמך.

מבוא

שגיאת תקן (SE) וסטיית תקן (SD) הן שתיהן מדדי פיזור, אך הן עונות על שאלות שונות מהותית. בלבול ביניהן הוא אחת הטעויות הנפוצות ביותר בסטטיסטיקה.

בלבול נפוץ

אנשים רבים משתמשים בסט“ת כשהם צריכים להשתמש ב-SE, במיוחד כשמדווחים על דיוק ממוצעי מדגם. זה עלול להוביל למסקנות שגויות לגבי מובהקות סטטיסטית.

ההבדל המרכזי

סטיית תקן

מודדת את פיזור נקודות הנתונים הפרטניות סביב הממוצע. “כמה ערכים בודדים משתנים?”

שגיאת תקן

מודדת את הדיוק של ממוצע המדגם כאומדן לממוצע האוכלוסייה. “כמה מדויק ממוצע המדגם שלנו?”

נוסחת שגיאת תקן

Standard Error of the Mean

SE = s / √n

כאשר s היא סטיית התקן של המדגם ו-n הוא גודל המדגם.

דוגמת חישוב

מדגם של 25 תלמידים עם ציון ממוצע = 75, סט“ת = 10 - סטיית תקן (s) = 10 נקודות - גודל מדגם (n) = 25 - שגיאת תקן = 10 / √25 = 10 / 5 = 2 נקודות פרשנות: לממוצע המדגם של 75 יש אי-ודאות של כ-±2 נקודות.

מתי להשתמש בכל אחת

השתמשו בסטיית תקן כאשר:מתארים את השונות של תצפיות פרטניות, מאפיינים אוכלוסייה או מדגם, קובעים טווחים נורמליים (למשל, טווחי ייחוס קליניים), או בקרת איכות (שונות מקובלת בייצור)
השתמשו בשגיאת תקן כאשר:מדווחים על דיוק של סטטיסטי מדגם, בונים רווחי סמך, משווים ממוצעים בין קבוצות, או מבצעים בדיקות השערות

השפעת גודל המדגם

הבדל מכריע: סט“ת נשארת בערך זהה עם הגדלת גודל המדגם, אבל SE יורדת עם מדגמים גדולים יותר.

גודל מדגם (n)	סט“ת	SE = SD/√n
25	10	2.00
100	10	1.00
400	10	0.50
10,000	10	0.10

תובנה מרכזית

כדי לחצות את שגיאת התקן, צריך לכפול את גודל המדגם פי ארבעה. זו הסיבה שאומדנים מדויקים מאוד דורשים מדגמים גדולים.

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.