คู่มือฉบับสมบูรณ์เรื่องส่วนเบี่ยงเบนมาตรฐาน

ส่วนเบี่ยงเบนมาตรฐานคืออะไร?

ส่วนเบี่ยงเบนมาตรฐาน เป็นการวัดทางสถิติที่แสดงปริมาณของความแปรผันหรือการกระจายตัวในชุดข้อมูล พูดง่ายๆ คือ มันบอกคุณว่าตัวเลขต่างๆ กระจายออกจากค่าเฉลี่ยมากน้อยเพียงใด

ลองคิดแบบนี้: ถ้าคุณมีคะแนนสอบของนักเรียนกลุ่มหนึ่ง ส่วนเบี่ยงเบนมาตรฐานจะบอกคุณว่านักเรียนส่วนใหญ่ได้คะแนนใกล้เคียงกัน (SD ต่ำ) หรือคะแนนกระจัดกระจาย (SD สูง)

Visual Comparison

Low SD (σ = 0.5)

Data clustered tightly around the mean

High SD (σ = 2)

Data spread widely from the mean

ทำไมส่วนเบี่ยงเบนมาตรฐานจึงสำคัญ?

ส่วนเบี่ยงเบนมาตรฐานเป็นหนึ่งในตัววัดทางสถิติที่ใช้กันอย่างแพร่หลายที่สุด เพราะให้ข้อมูลเชิงลึกที่สำคัญสำหรับการตัดสินใจในแทบทุกสาขา:

การเงิน:วัดความเสี่ยงของการลงทุนและความผันผวนของพอร์ตการลงทุน
การผลิต:การควบคุมคุณภาพและการปรับปรุงกระบวนการ Six Sigma
วิทยาศาสตร์:รายงานความไม่แน่นอนของการวัดและความแม่นยำในการทดลอง
การศึกษา:วิเคราะห์การแจกแจงคะแนนสอบและเส้นโค้งการให้เกรด
สาธารณสุข:การทดลองทางคลินิกและการทำความเข้าใจความแปรผันของข้อมูลผู้ป่วย

สูตรส่วนเบี่ยงเบนมาตรฐาน

สูตรส่วนเบี่ยงเบนมาตรฐานมีสองเวอร์ชัน ขึ้นอยู่กับว่าคุณทำงานกับตัวอย่างหรือประชากรทั้งหมด:

ส่วนเบี่ยงเบนมาตรฐานของประชากร

σ = √[Σ(xᵢ - μ)² / N]

ส่วนเบี่ยงเบนมาตรฐานของตัวอย่าง

s = √[Σ(xᵢ - x̄)² / (n-1)]

สัญลักษณ์สำคัญ

σ (ซิกมา) = SD ประชากร · s = SD ตัวอย่าง · Σ = ผลรวมของ · xᵢ = จุดข้อมูลแต่ละจุด · μ (มิว) = ค่าเฉลี่ยประชากร · x̄ (x-bar) = ค่าเฉลี่ยตัวอย่าง · N = ขนาดประชากร · n = ขนาดตัวอย่าง

ทำไมต้อง (n-1)?

เมื่อทำงานกับตัวอย่าง เราหารด้วย (n-1) แทน n สิ่งนี้เรียกว่า การแก้ไขเบสเซล ซึ่งให้ค่าประมาณที่ไม่เอนเอียงของส่วนเบี่ยงเบนมาตรฐานของประชากร

การคำนวณทีละขั้นตอน

มาคำนวณส่วนเบี่ยงเบนมาตรฐานของตัวอย่างสำหรับชุดข้อมูล: 4, 8, 6, 5, 3

คำนวณค่าเฉลี่ย

ค่าเฉลี่ย = (4 + 8 + 6 + 5 + 3) / 5 = 26 / 5 = 5.2

หาค่าเบี่ยงเบนจากค่าเฉลี่ยแต่ละค่า

4 - 5.2 = -1.2 · 8 - 5.2 = 2.8 · 6 - 5.2 = 0.8 · 5 - 5.2 = -0.2 · 3 - 5.2 = -2.2

ยกกำลังสองค่าเบี่ยงเบนแต่ละค่า

(-1.2)² = 1.44 · (2.8)² = 7.84 · (0.8)² = 0.64 · (-0.2)² = 0.04 · (-2.2)² = 4.84

รวมค่าเบี่ยงเบนยกกำลังสอง

1.44 + 7.84 + 0.64 + 0.04 + 4.84 = 14.8

หารด้วย (n-1)

ความแปรปรวน = 14.8 / (5-1) = 14.8 / 4 = 3.7

ถอดรากที่สอง

ส่วนเบี่ยงเบนมาตรฐาน = √3.7 = 1.924

เคล็ดลับมือโปร

ใช้ เครื่องคำนวณส่วนเบี่ยงเบนมาตรฐาน ของเราเพื่อคำนวณ SD ทันทีพร้อมวิธีการทีละขั้นตอนสำหรับชุดข้อมูลใดก็ได้

การตีความผลลัพธ์

การเข้าใจว่าค่าส่วนเบี่ยงเบนมาตรฐานของคุณหมายความว่าอย่างไรนั้นสำคัญมากสำหรับการตัดสินใจอย่างมีข้อมูล:

ค่า SD	การตีความ	ตัวอย่าง
SD ต่ำ	จุดข้อมูลรวมกลุ่มอยู่ใกล้ค่าเฉลี่ย ความสม่ำเสมอสูง	ชิ้นส่วนที่ผลิตด้วยเครื่องจักรที่มีค่าพิกัดเผื่อแคบ
SD สูง	จุดข้อมูลกระจายตัวกว้าง ความแปรผันสูง	การเปลี่ยนแปลงราคาหุ้นรายวัน
SD เป็นศูนย์	จุดข้อมูลทุกจุดเหมือนกัน	สินค้าราคาคงที่ในร้านค้า

กฎเชิงประจักษ์ (68-95-99.7)

สำหรับข้อมูลที่มีการแจกแจงปกติ: 68% ของข้อมูลอยู่ภายใน 1 ส่วนเบี่ยงเบนมาตรฐานจากค่าเฉลี่ย · 95% อยู่ภายใน 2 ส่วนเบี่ยงเบนมาตรฐาน · 99.7% อยู่ภายใน 3 ส่วนเบี่ยงเบนมาตรฐาน

ตัวอย่างในชีวิตจริง

ตัวอย่างที่ 1: คะแนนสอบ

นักเรียน 30 คนในชั้นเรียนทำข้อสอบ คะแนนเฉลี่ยคือ 75 โดยมีส่วนเบี่ยงเบนมาตรฐาน 10 การตีความ: นักเรียนส่วนใหญ่ (ประมาณ 68%) ได้คะแนนระหว่าง 65 ถึง 85 นักเรียนที่ได้ 95 คะแนนมีผลงานยอดเยี่ยม (สูงกว่าค่าเฉลี่ย 2 SD) ในขณะที่ได้ 55 คะแนนบ่งชี้ว่าต้องปรับปรุง (ต่ำกว่าค่าเฉลี่ย 2 SD)

ตัวอย่างที่ 2: คุณภาพการผลิต

โรงงานผลิตสลักเกลียวที่ควรมีเส้นผ่านศูนย์กลาง 10 มม. หลังจากวัดสลักเกลียว 100 ตัว ค่าเฉลี่ยคือ 10.02 มม. โดยมี SD 0.05 มม. การตีความ: กระบวนการควบคุมได้ดี 99.7% ของสลักเกลียวจะอยู่ระหว่าง 9.87 มม. ถึง 10.17 มม. (±3σ) หากข้อกำหนดต้องการ 10 มม. ± 0.2 มม. กระบวนการนี้ผ่านมาตรฐานคุณภาพได้อย่างง่ายดาย

ข้อผิดพลาดที่ควรหลีกเลี่ยง

ใช้สูตรผิด

อย่าใช้ SD ประชากร (N) เมื่อคุณมีตัวอย่าง เพราะจะประมาณค่าความแปรผันที่แท้จริงต่ำเกินไป

ละเลยค่าผิดปกติ

ส่วนเบี่ยงเบนมาตรฐานมีความไวต่อค่าผิดปกติ ค่าสุดโต่งเพียงค่าเดียวสามารถทำให้ SD เพิ่มขึ้นอย่างมาก พิจารณาใช้ค่าเบี่ยงเบนสัมบูรณ์จากมัธยฐาน (MAD) สำหรับชุดข้อมูลที่มีค่าผิดปกติ

สมมติว่าเป็นการแจกแจงปกติ

กฎเชิงประจักษ์ (68-95-99.7) ใช้ได้เฉพาะกับข้อมูลที่มีการแจกแจงปกติเท่านั้น ตรวจสอบการแจกแจงของข้อมูลก่อนนำเปอร์เซ็นต์เหล่านี้ไปใช้

← ศูนย์เรียนรู้