Что такое стандартное отклонение? Определение, формула и примеры

Что такое стандартное отклонение?

Стандартное отклонение — это статистический показатель, который оценивает величину разброса или вариативности в наборе данных. Низкое стандартное отклонение говорит о том, что значения лежат близко к среднему (математическому ожиданию), а высокое — что они сильно разбросаны относительно среднего. Обозначается греческой буквой σ (сигма) для генеральной совокупности и буквой s для выборки. Это одно из базовых понятий описательной статистики.

Суть определения

Стандартное отклонение показывает типичное расстояние от каждого значения до среднего. Оно подсказывает, насколько в среднем ваши данные отклоняются от центра распределения.

Стандартное отклонение генеральной совокупности и выборки

Прежде чем считать стандартное отклонение, нужно понять, перед вами вся генеральная совокупность или лишь выборка из неё. Генеральная совокупность включает абсолютно все элементы изучаемой группы, тогда как выборка — это лишь её представительная часть. При расчете стандартного отклонения для выборки нужна математическая корректировка — использование n - 1 (степеней свободы, или df) вместо N — чтобы получить несмещенную оценку дисперсии генеральной совокупности.

Стандартное отклонение генеральной совокупности

Используется, когда у вас есть данные по всей группе. Обозначается как σ. В знаменателе формулы дисперсии стоит N (объем всей совокупности).

Стандартное отклонение выборки

Используется, когда у вас есть лишь подмножество группы. Обозначается как s. В знаменателе формулы дисперсии стоит n - 1 (объем выборки минус один) для коррекции смещения.

Разбор формулы стандартного отклонения

Формулы стандартного отклонения строятся на расчете дисперсии, из которой затем извлекается квадратный корень. Этот шаг критически важен: он возвращает меру разброса в исходные единицы измерения данных. Ключевые компоненты формулы: xᵢ (каждое отдельное значение), μ или x̄ (среднее генеральной совокупности или выборки) и N или n (общее количество значений).

СКО генеральной совокупности

σ = √[ Σ(xᵢ - μ)² / N ]

СКО выборки

s = √[ Σ(xᵢ - x̄)² / (n - 1) ]

Пример расчета пошагово

Давайте вычислим выборочное стандартное отклонение для небольшого набора баллов за тест: [4, 8, 6, 5, 3, 2, 8, 9, 2, 5]. Пошаговый расчет по формуле покажет, как накапливается дисперсия перед тем, как мы извлечем финальный квадратный корень.

Вычислите среднее (x̄)

Сложите все значения и разделите на их количество: (4+8+6+5+3+2+8+9+2+5) / 10 = 52 / 10 = 5.2

Вычтите среднее и возведите в квадрат

Для каждого значения найдите квадрат отклонения: (4-5.2)² = 1.44, (8-5.2)² = 7.84, (6-5.2)² = 0.64 и т.д.

Просуммируйте квадраты отклонений

Сложите все полученные квадраты: 1.44 + 7.84 + 0.64 + 0.04 + 4.84 + 10.24 + 7.84 + 14.44 + 10.24 + 0.04 = 57.6

Разделите на n - 1 (степени свободы)

Разделите сумму на объем выборки минус один: 57.6 / (10 - 1) = 57.6 / 9 = 6.4. Это и есть выборочная дисперсия (σ²).

Извлеките квадратный корень

Возьмите квадратный корень из дисперсии: √6.4 ≈ 2.53. Таким образом, выборочное стандартное отклонение равно 2.53.

Расчет стандартного отклонения в Python

Считать стандартное отклонение вручную чревато ошибками, особенно на больших массивах данных. На практике статистики и аналитики данных используют языки программирования вроде Python, чтобы вычислять его моментально с помощью встроенных библиотек.

python

import statistics

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

# Вычисление выборочного стандартного отклонения (по умолчанию)
sample_sd = statistics.stdev(data)
print(f"Sample SD: {sample_sd:.2f}")

# Вычисление стандартного отклонения генеральной совокупности
pop_sd = statistics.pstdev(data)
print(f"Population SD: {pop_sd:.2f}")

Эмпирическое правило и стандартное отклонение

Если данные подчиняются нормальному распределению (колоколообразная кривая), стандартное отклонение становится мощным инструментом прогнозирования. Эмпирическое правило, также известное как правило 68-95-99.7, гласит, что почти все данные лежат в пределах трех стандартных отклонений от среднего. Это позволяет аналитикам быстро находить выбросы и оценивать вероятность появления конкретного наблюдения.

Интервал от среднего	Доля данных	Применение
±1σ	68.27%	Определение типичных, повседневных значений
±2σ	95.45%	Построение доверительных интервалов
±3σ	99.73%	Обнаружение экстремальных выбросов

Стандартное отклонение против дисперсии

Дисперсия и стандартное отклонение — тесно связанные меры разброса. Дисперсия (σ² или s²) — это среднее арифметическое квадратов отклонений от среднего, а стандартное отклонение — это квадратный корень из дисперсии. Поскольку дисперсия выражается в квадратах единиц измерения (например, рубли в квадрате, сантиметры в квадрате), её сложно интерпретировать в контексте исходных данных. Стандартное отклонение решает эту проблему, возвращая меру разброса в исходные единицы.

Как представлять данные

Всегда указывайте стандартное отклонение вместе со средним при описании ваших данных. Поскольку СКО измеряется в тех же единицах, что и среднее (например, рубли, сантиметры, килограммы), оно дает интуитивно понятную меру разброса, которую аудитория легко воспримет.

Частые ошибки, которых стоит избегать

Несмотря на то что стандартное отклонение — мощный инструмент, его часто используют неверно. Ошибочное применение формул или неверная трактовка значения могут привести к искажению анализа и ложным выводам.

Использование формулы для совокупности на выборке: Забыть использовать n - 1 для выборки — значит искусственно занизить расчетный разброс и недооценить истинную дисперсию генеральной совокупности.
Применение СКО к ненормальным распределениям: Эмпирическое правило работает только для нормального распределения. При сильной асимметрии данных СКО может неточно отражать разброс.
Путаница между СКО и стандартной ошибкой: Стандартная ошибка измеряет точность оценки выборочного среднего, в то время как стандартное отклонение измеряет разброс самих исходных данных.

Остерегайтесь выбросов

Стандартное отклонение крайне чувствительно к экстремальным выбросам. Поскольку в формуле отклонения от среднего возводятся в квадрат, даже один аномально большой выброс может непропорционально раздуть стандартное отклонение, создав иллюзию того, что данные варьируются сильнее, чем на самом деле.

Sources

References and further authoritative reading used in preparing this article.

← Центр обучения

Что такое стандартное отклонение? Определение, формула и примеры