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.

ส่วนเบี่ยงเบนมาตรฐานรวมสำหรับหลายกลุ่ม

ส่วนเบี่ยงเบนมาตรฐานรวมคืออะไร?

ส่วนเบี่ยงเบนมาตรฐานรวม รวมค่าประมาณความแปรปรวนจากสองกลุ่มขึ้นไปเพื่อให้ได้ค่าประมาณเดียวแบบถ่วงน้ำหนัก เป็นสิ่งจำเป็นสำหรับการทดสอบ t แบบสองตัวอย่างเมื่อสมมติว่าความแปรปรวนเท่ากัน

แนวคิดตรงไปตรงมา: ถ้าเราเชื่อว่าสองกลุ่มมาจากประชากรที่มีความแปรผันพื้นฐานเหมือนกัน เราสามารถรวมข้อมูลเพื่อประมาณค่าความแปรผันที่ใช้ร่วมกันได้ดีขึ้น ข้อมูลมากขึ้นหมายถึงค่าประมาณที่แม่นยำขึ้น

คิดแบบนี้: ถ้าคุณมี 20 ข้อสังเกตจากกลุ่ม A และ 30 จากกลุ่ม B และทั้งสองกลุ่มมีความแปรปรวนจริงเดียวกัน คุณจะมี 50 ข้อสังเกตเพื่อประมาณค่าความแปรปรวนนั้น แทนที่จะประมาณแยกจากตัวอย่างที่เล็กกว่า

เมื่อไหร่ควรรวม

รวมส่วนเบี่ยงเบนมาตรฐานเฉพาะเมื่อคุณมีเหตุผลที่จะเชื่อว่าความแปรปรวนของประชากรพื้นฐานเท่ากัน ใช้การทดสอบของเลอวีนหรือการทดสอบ F เพื่อตรวจสอบข้อสมมตินี้ก่อนรวม

สูตร SD รวม

สำหรับสองกลุ่ม ส่วนเบี่ยงเบนมาตรฐานรวมคือ:

SD รวมสองกลุ่ม

sp = √[((n₁-1)s₁² + (n₂-1)s₂²) / (n₁+n₂-2)]

โดยที่ n₁ และ n₂ คือขนาดตัวอย่าง และ s₁ และ s₂ คือส่วนเบี่ยงเบนมาตรฐานของตัวอย่าง

สำหรับ k กลุ่ม (เช่นใน ANOVA) สูตรขยายเป็น:

SD รวมหลายกลุ่ม

sp = √[Σ(nᵢ-1)sᵢ² / Σ(nᵢ-1)]

สังเกตว่าสูตรใช้เทอม (n-1) ทั้งในตัวเศษและตัวส่วน การถ่วงน้ำหนักนี้ทำให้ตัวอย่างที่ใหญ่กว่ามีส่วนสนับสนุนมากกว่าต่อค่าประมาณรวม ซึ่งเหมาะสมเพราะตัวอย่างที่ใหญ่กว่าให้ค่าประมาณความแปรปรวนที่น่าเชื่อถือมากกว่า

ข้อสมมติพื้นฐาน

ส่วนเบี่ยงเบนมาตรฐานรวมสมมติ ความเป็นเอกพันธ์ของความแปรปรวน ว่าทุกกลุ่มมีความแปรปรวนของประชากรเดียวกัน ข้อสมมตินี้มีความสำคัญมากที่สุดเมื่อ:

ขนาดตัวอย่างไม่เท่ากัน (มีปัญหามากเป็นพิเศษถ้ากลุ่มที่ใหญ่กว่ามีความแปรปรวนน้อยกว่า)
อัตราส่วนของความแปรปรวนที่มากที่สุดต่อน้อยที่สุดเกิน 2-3
ขนาดตัวอย่างเล็ก (ตัวอย่างใหญ่ทนทานต่อการละเมิดมากกว่า)

เมื่อความแปรปรวนไม่เท่ากัน

ถ้าความแปรปรวนไม่เท่ากัน ให้ใช้การทดสอบ t ของเวลช์แทนการทดสอบ t แบบรวม หรือใช้ค่าประมาณความแปรปรวนแยกกัน การทดสอบของเวลช์ไม่สมมติความแปรปรวนเท่ากันและมักแนะนำเป็นวิธีเริ่มต้น

ตัวอย่างพร้อมวิธีทำ

สถานการณ์: เปรียบเทียบคะแนนสอบระหว่างสองชั้นเรียน:

ชั้น A: n₁ = 25, ค่าเฉลี่ย = 78, s₁ = 12
ชั้น B: n₂ = 30, ค่าเฉลี่ย = 82, s₂ = 14

การคำนวณ SD รวม:

sp = √[((25-1)(12)² + (30-1)(14)²) / (25+30-2)] sp = √[(24×144 + 29×196) / 53] sp = √[(3456 + 5684) / 53] sp = √[9140 / 53] = √172.45 = 13.13

SD รวม 13.13 อยู่ระหว่าง SD ของแต่ละกลุ่ม (12 และ 14) โดยถ่วงน้ำหนักไปทางตัวอย่างที่ใหญ่กว่า ค่ารวมนี้จะถูกนำไปใช้ในสูตรการทดสอบ t หรือการคำนวณ Cohen's d

การประยุกต์ใช้ทางสถิติ

การทดสอบ t ตัวอย่างอิสระ: SD รวมใช้คำนวณความคลาดเคลื่อนมาตรฐานของความแตกต่างระหว่างค่าเฉลี่ย
ขนาดอิทธิพล Cohen's d: ขนาดอิทธิพลถูกมาตรฐานโดยใช้ SD รวม: d = (M₁ - M₂) / sp
ANOVA: ค่าเฉลี่ยกำลังสองของความคลาดเคลื่อน (MSE) ใน ANOVA เป็นค่าประมาณความแปรปรวนรวมข้ามทุกกลุ่ม
การวิเคราะห์อภิมาน: เมื่อรวมงานวิจัย ค่าประมาณรวมช่วยมาตรฐานอิทธิพลข้ามบริบทต่างๆ

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