표준편차 공식 완벽 해설: 단계별 계산 가이드

데이터의 산포도를 측정하는 핵심 지표인 표준편차 공식을 단계별로 완벽하게 마스터해 보세요. 모집단과 표본 표준편차 공식의 핵심적인 차이점, 정확한 계산 방법, 베셀 보정의 원리, 그리고 실제 데이터 분석 현장에서 어떻게 활용되는지까지 상세히 알아봅니다.

By Standard Deviation Calculator Team · Data Science Team·Published 2026년 4월 16일

표준편차 공식이란?

표준편차 공식은 데이터 값들의 변동성이나 산포도를 정량화하는 데 사용되는 수학적 공식입니다. 표준편차가 낮다는 것은 데이터 포인트들이 평균(μ 또는 x̄)에 가깝게 모여 있다는 뜻이고, 반대로 표준편차가 높다는 것은 데이터 포인트들이 더 넓은 범위에 걸쳐 퍼져 있다는 것을 의미합니다.

통계학에서 사용하는 공식은 대상이 전체 모집단인지, 아니면 모집단에서 추출한 표본인지에 따라 다릅니다. 핵심 개념은 평균으로부터의 편차를 제곱한 값의 평균을 계산하는 것인데, 이를 분산(σ²)이라고 부르며, 여기에 제곱근을 취해 측정 단위를 원래 단위로 되돌리는 과정입니다.

모집단 표준편차

σ = √[ Σ (xi - μ)² / N ]

σ (시그마): 모집단 표준편차
Σ (시그마): 합계
xi: 데이터셋의 각 개별 값
μ (뮤): 모집단 평균
N: 모집단의 전체 데이터 수

모집단과 표본 표준편차

실제 데이터 분석 현장에서 전체 모집단의 데이터를 모두 확보하는 경우는 극히 드뭅니다. 대부분 더 큰 모집단에 대해 추론하기 위해 표본을 수집하죠. 표본은 모집단 평균을 단지 추정할 뿐이므로, 표본 데이터에 모집단 공식을 그대로 적용해 표준편차를 계산하면 실제 변동성을 과소 평가하게 됩니다. 이러한 편향을 수정하기 위해 우리는 표본 표준편차 공식을 사용합니다.

표본 표준편차

s = √[ Σ (xi - x̄)² / (n - 1) ]

공식을 혼동하지 마세요!

표본에 'N'을 사용하거나 모집단에 'n-1'을 사용하면 산포도가 잘못 측정됩니다. n-1을 사용하는 표본 공식은 베셀의 보정(Bessel's correction)이라고 하며, 모집단 분산의 불편 추정량을 구하기 위해 반드시 필요합니다.

공식의 단계별 계산 방법

손으로 표준편차를 계산하려면 체계적인 접근이 필요합니다. 다음 단계를 따르면 어떤 데이터셋이든 모집단 표준편차나 표본 표준편차를 정확하게 계산할 수 있습니다.

평균 계산하기

모든 데이터 포인트의 합(Σxi)을 구하고, 전체 데이터 수(N 또는 n)로 나누어 평균(μ 또는 x̄)을 구합니다.

편차 구하기

각 데이터 포인트에서 평균을 빼서 편차를 구합니다: (xi - 평균).

편차 제곱하기

앞서 구한 각 편차를 제곱합니다: (xi - 평균)². 이렇게 하면 모든 값이 양수가 됩니다.

제곱편차의 합 구하기

모든 제곱편차를 더하여 제곱합을 구합니다: Σ(xi - 평균)².

N 또는 n-1로 나누기

모집단인 경우 N으로, 표본인 경우 (n - 1)로 나눕니다. 이렇게 하면 분산(σ² 또는 s²)이 구해집니다.

제곱근 구하기

분산의 제곱근을 구하면 표준편차(σ 또는 s)가 됩니다.

표본 공식에서 n-1로 나누는 이유는?

n 대신 n-1로 나누는 개념을 베셀의 보정(Bessel's correction)이라고 합니다. 표본 평균(x̄)이 표본 데이터 자체에서 계산되었기 때문에, 편차(xi - x̄)의 합은 수학적으로 항상 0이 될 수밖에 없습니다. 즉, 데이터 포인트들이 실제 모집단 평균(μ)보다 표본 평균에 살짝 더 가깝게 몰려 있다는 뜻입니다.

n-1(즉, 자유도)로 나눔으로써 우리는 이 과소 평가를 보상하기 위해 분산을 적절히 키워주고, 결과적으로 모집단 분산의 불편 추정량(unbiased estimator)을 얻게 됩니다.

Sources

References and further authoritative reading used in preparing this article.

← 학습 센터

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.