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.

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

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