Стандартная ошибка и стандартное отклонение: в чём разница

Разберитесь в различиях между стандартной ошибкой и стандартным отклонением. Когда использовать каждую меру, как рассчитать SE и её роль в доверительных интервалах.

Введение

Стандартная ошибка (SE) и стандартное отклонение (СО) — обе меры рассеяния, но они отвечают на принципиально разные вопросы. Путаница между ними — одна из самых распространённых ошибок в статистике.

Частая ошибка

Многие используют СО, когда следует использовать SE, особенно при описании точности выборочных средних. Это может привести к неверным выводам о статистической значимости.

Ключевое различие

Стандартное отклонение

Измеряет разброс отдельных значений вокруг среднего. «Насколько различаются отдельные значения?»

Стандартная ошибка

Измеряет точность выборочного среднего как оценки среднего генеральной совокупности. «Насколько точно наше выборочное среднее?»

Формула стандартной ошибки

Стандартная ошибка среднего

SE = s / √n

Где s — выборочное стандартное отклонение, а n — объём выборки.

Пример расчёта

Выборка из 25 учеников: средний балл = 75, СО = 10 - Стандартное отклонение (s) = 10 баллов - Объём выборки (n) = 25 - Стандартная ошибка = 10 / √25 = 10 / 5 = 2 балла Интерпретация: Выборочное среднее 75 имеет погрешность около ±2 баллов.

Когда какую использовать

Используйте стандартное отклонение, когда:описываете разброс индивидуальных наблюдений, характеризуете совокупность или выборку, устанавливаете нормальные диапазоны (например, клинические референсные значения) или контролируете качество (допустимое отклонение на производстве)
Используйте стандартную ошибку, когда:оцениваете точность выборочной статистики, строите доверительные интервалы, сравниваете средние между группами или проводите проверку гипотез

Влияние объёма выборки

Принципиальное различие: СО остаётся примерно постоянным с увеличением объёма выборки, а SE уменьшается при росте выборки.

Объём выборки (n)	СО	SE = СО/√n
25	10	2,00
100	10	1,00
400	10	0,50
10 000	10	0,10

Ключевой вывод

Чтобы уменьшить стандартную ошибку вдвое, нужно увеличить объём выборки вчетверо. Вот почему для очень точных оценок требуются большие выборки.

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.