Σ
SDCalc

Wzory i Metodologia

Głębokie spojrzenie na matematykę stojącą za odchyleniem standardowym.

Wyprowadzenie Matematyczne

Odchylenie standardowe mierzy rozproszenie punktów danych względem ich średniej. Otrzymuje się je, obliczając pierwiastek kwadratowy ze średniej kwadratów odchyleń od średniej.

σ = √[ Σ(xᵢ − μ)² / N ]  (population)
s = √[ Σ(xᵢ − x̄)² / (n − 1) ]  (sample)
  1. 1Oblicz średnią (μ lub x̄), sumując wszystkie wartości i dzieląc przez ich liczbę.
  2. 2Odejmij średnią od każdego punktu danych, aby znaleźć odchylenie (xᵢ − μ).
  3. 3Podnieś do kwadratu każde odchylenie, aby wyeliminować wartości ujemne (xᵢ − μ)².
  4. 4Zsumuj wszystkie odchylenia podniesione do kwadratu: Σ(xᵢ − μ)².
  5. 5Podziel przez N (populacja) lub n−1 (próba), aby uzyskać wariancję.
  6. 6Wyciągnij pierwiastek kwadratowy z wariancji, aby uzyskać odchylenie standardowe.

Poprawka Bessela Wyjaśniona

Przy szacowaniu wariancji populacji na podstawie próby, dzielenie przez n daje obciążoną wartość, która systematycznie zaniża prawdziwą wariancję. Friedrich Bessel wykazał, że dzielenie przez (n − 1) zamiast n koryguje to obciążenie. Intuicja jest taka, że próba o wielkości n ma tylko (n − 1) stopni swobody, ponieważ średnia z próby jest już wykorzystana w obliczeniu, ograniczając jedno z odchyleń.

s² = Σ(xᵢ − x̄)² / (n − 1)  ← unbiased
σ̂² = Σ(xᵢ − x̄)² / n  ← biased
  1. 1Mając n punktów danych, gdy średnia jest znana, tylko (n − 1) odchyleń może swobodnie się zmieniać.
  2. 2Użycie n w mianowniku prowadzi do zaniżenia wariancji populacji.
  3. 3Użycie (n − 1) daje estymator nieobciążony: E[s²] = σ².
  4. 4Dla dużych prób (n > 30) różnica jest pomijalna.
  5. 5Dla małych prób poprawka może znacząco poprawić oszacowanie.

Wizualny Przewodnik Obliczeń

Zrozumienie odchylenia standardowego jest łatwiejsze dzięki podejściu wizualnemu krok po kroku. Rozważmy zbiór danych {4, 8, 6, 5, 3, 7, 8, 1}. Średnia wynosi 5,25. Każdy punkt danych odchyla się od średniej o inną wartość. Podniesienie tych odchyleń do kwadratu, zsumowanie ich, podzielenie przez (n − 1) = 7 i wyciągnięcie pierwiastka kwadratowego daje odchylenie standardowe z próby s ≈ 2,49.

Data: {4, 8, 6, 5, 3, 7, 8, 1}
Mean: (4+8+6+5+3+7+8+1)/8 = 42/8 = 5.25
Σ(xᵢ−x̄)² = 1.5625 + 7.5625 + 0.5625 + 0.0625 + 5.0625 + 3.0625 + 7.5625 + 18.0625 = 43.5
s = √(43.5 / 7) ≈ 2.49
  1. 1Wypisz wszystkie wartości danych i oblicz ich średnią: x̄ = 5,25.
  2. 2Znajdź każde odchylenie: (4−5,25)=−1,25, (8−5,25)=2,75, (6−5,25)=0,75, ...
  3. 3Podnieś każde odchylenie do kwadratu: 1,5625, 7,5625, 0,5625, 0,0625, 5,0625, 3,0625, 7,5625, 18,0625.
  4. 4Zsumuj odchylenia podniesione do kwadratu: 43,5.
  5. 5Podziel przez (n−1) = 7: wariancja s² = 43,5/7 ≈ 6,21.
  6. 6Wyciągnij pierwiastek kwadratowy: s ≈ 2,49.

Cytowanie Akademickie

Korzystając z tego kalkulatora w pracy akademickiej, możesz go zacytować w następujący sposób. Kalkulator implementuje standardowe wzory zarówno dla odchylenia standardowego populacji, jak i próby, zgodnie z definicjami w podręcznikach statystyki wprowadzającej.

standarddeviationcalculator.app. (2025). Standard Deviation Calculator [Online tool]. https://standarddeviationcalculator.app
  1. 1APA: standarddeviationcalculator.app. (2025). Standard Deviation Calculator [Online tool]. Retrieved from https://standarddeviationcalculator.app
  2. 2MLA: "Standard Deviation Calculator." standarddeviationcalculator.app, 2025, standarddeviationcalculator.app.
  3. 3Chicago: standarddeviationcalculator.app. "Standard Deviation Calculator." Accessed 2025. https://standarddeviationcalculator.app.
  4. 4IEEE: standarddeviationcalculator.app, "Standard Deviation Calculator," 2025. [Online]. Available: https://standarddeviationcalculator.app