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.

ส่วนเบี่ยงเบนมาตรฐานแบบถ่วงน้ำหนัก

ส่วนเบี่ยงเบนมาตรฐานแบบถ่วงน้ำหนักคืออะไร?

เมื่อจุดข้อมูลมีระดับความสำคัญหรือความถี่ต่างกัน เราใช้ ส่วนเบี่ยงเบนมาตรฐานแบบถ่วงน้ำหนัก สิ่งนี้พบบ่อยในการวิเคราะห์พอร์ตการลงทุน ข้อมูลสำรวจที่มีน้ำหนักการสุ่มตัวอย่าง และการคำนวณ GPA

ในการคำนวณมาตรฐาน (ไม่ถ่วงน้ำหนัก) จุดข้อมูลทุกจุดมีส่วนสนับสนุนเท่ากันต่อค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน แต่สถานการณ์ในชีวิตจริงมักต้องการให้น้ำหนักที่แตกต่างกันแก่ข้อสังเกตบางตัว การลงทุน 1 ล้านบาทควรส่งผลต่อการคำนวณความผันผวนของพอร์ตมากกว่าตำแหน่ง 1,000 บาท คำตอบแบบสำรวจจากกลุ่มประชากรที่ใหญ่กว่าควรมีน้ำหนักมากกว่าเมื่อประมาณพารามิเตอร์ประชากร

เมื่อไหร่ควรใช้ SD แบบถ่วงน้ำหนัก

ใช้ส่วนเบี่ยงเบนมาตรฐานแบบถ่วงน้ำหนักเมื่อจุดข้อมูลของคุณมีความสำคัญ ความถี่ หรือระดับความน่าเชื่อถือต่างกัน SD แบบไม่ถ่วงน้ำหนักสมมติว่าทุกจุดมีความสำคัญเท่ากัน ซึ่งมักเป็นสมมติฐานที่ไม่ถูกต้อง

สูตร SD แบบถ่วงน้ำหนัก

ก่อนอื่น คุณต้องหาค่าเฉลี่ยแบบถ่วงน้ำหนัก:

ค่าเฉลี่ยแบบถ่วงน้ำหนัก

x̄w = Σ(wᵢxᵢ) / Σwᵢ

จากนั้น ส่วนเบี่ยงเบนมาตรฐานแบบถ่วงน้ำหนัก (เวอร์ชันประชากร):

SD แบบถ่วงน้ำหนัก (ประชากร)

σw = √[Σwᵢ(xᵢ - x̄w)² / Σwᵢ]

โดยที่ wᵢ คือน้ำหนัก xᵢ คือค่าข้อมูล และ x̄w คือค่าเฉลี่ยแบบถ่วงน้ำหนัก

สำหรับข้อมูลตัวอย่าง ใช้สูตรที่แก้ไขความเอนเอียง (คล้ายกับการแก้ไขเบสเซล):

SD แบบถ่วงน้ำหนัก (ตัวอย่าง)

sw = √[Σwᵢ(xᵢ - x̄w)² / (Σwᵢ - Σwᵢ²/Σwᵢ)]

การแก้ไขตัวอย่างมีความซับซ้อนกว่าเพราะ “ขนาดตัวอย่างที่มีประสิทธิภาพ” ขึ้นอยู่กับการแจกแจงของน้ำหนัก ถ้าน้ำหนักทั้งหมดเท่ากัน สูตรนี้จะลดรูปเป็นการแก้ไข n-1 ที่คุ้นเคย

การคำนวณทีละขั้นตอน

คำนวณค่าเฉลี่ยแบบถ่วงน้ำหนัก

คูณแต่ละค่าด้วยน้ำหนัก รวมผลคูณเหล่านี้ แล้วหารด้วยผลรวมของน้ำหนัก

คำนวณค่าเบี่ยงเบนยกกำลังสองแบบถ่วงน้ำหนัก

สำหรับแต่ละค่า หา (ค่า - ค่าเฉลี่ยแบบถ่วงน้ำหนัก)² แล้วคูณด้วยน้ำหนัก

รวมค่าเบี่ยงเบนยกกำลังสองแบบถ่วงน้ำหนัก

รวมผลคูณทั้งหมดจากขั้นตอนที่ 2

หารด้วยผลรวมของน้ำหนัก

สำหรับ SD ประชากร หารด้วย Σwᵢ สำหรับ SD ตัวอย่าง ใช้การแก้ไขความเอนเอียง

ถอดรากที่สอง

ได้ส่วนเบี่ยงเบนมาตรฐานแบบถ่วงน้ำหนักสุดท้าย

การประยุกต์ใช้ในชีวิตจริง

ความผันผวนของพอร์ต: ในด้านการเงิน ส่วนเบี่ยงเบนมาตรฐานของพอร์ตต้องคำนึงถึงการจัดสรรสินทรัพย์ที่แตกต่างกัน ความผันผวนของพอร์ตที่มีหุ้น 50% พันธบัตร 50% คำนวณโดยใช้ SD แบบถ่วงน้ำหนัก โดยน้ำหนักคือเปอร์เซ็นต์การจัดสรร

การวิเคราะห์สำรวจ: ตัวอย่างสำรวจมักแสดงกลุ่มประชากรบางกลุ่มมากเกินไปหรือน้อยเกินไป การถ่วงน้ำหนักปรับสิ่งนี้ ทำให้ผลลัพธ์สะท้อนประชากรที่แท้จริง SD แบบถ่วงน้ำหนักจับความแปรผันในประชากร ไม่ใช่แค่ตัวอย่าง

การให้เกรดทางวิชาการ: เมื่อคำนวณ GPA วิชาต่างๆ มีหน่วยกิตต่างกัน วิชา 4 หน่วยกิตควรส่งผลต่อ GPA มากกว่าวิชา 1 หน่วยกิต การคำนวณแบบถ่วงน้ำหนักจัดการสิ่งนี้ได้ตามธรรมชาติ

การวิเคราะห์อภิมาน: เมื่อรวมผลลัพธ์จากหลายงานวิจัย แต่ละงานจะถูกถ่วงน้ำหนักตามความแม่นยำ (มักเป็นส่วนกลับของความแปรปรวน) สิ่งนี้ให้อิทธิพลมากกว่าแก่งานวิจัยที่ใหญ่กว่าและแม่นยำกว่า

ตัวอย่างพร้อมวิธีทำ

ตัวอย่างพอร์ตการลงทุน: พิจารณาพอร์ตที่มีหุ้นสามตัว:

หุ้น A: ผลตอบแทน 15% สัดส่วน 50% (น้ำหนัก = 0.50)
หุ้น B: ผลตอบแทน 8% สัดส่วน 30% (น้ำหนัก = 0.30)
หุ้น C: ผลตอบแทน -2% สัดส่วน 20% (น้ำหนัก = 0.20)

ค่าเฉลี่ยแบบถ่วงน้ำหนัก = (0.50×15 + 0.30×8 + 0.20×(-2)) / 1.0 = 9.5%

SD แบบถ่วงน้ำหนัก = √[(0.50×(15-9.5)² + 0.30×(8-9.5)² + 0.20×(-2-9.5)²)] = √[(0.50×30.25 + 0.30×2.25 + 0.20×132.25)] = √[15.125 + 0.675 + 26.45] = √42.25 = 6.5%

สังเกตผลกระทบ

หุ้น C มีสัดส่วนเพียง 20% แต่มีส่วนทำให้เกิดความผันผวนอย่างมากเพราะผลตอบแทนเบี่ยงเบนอย่างมากจากค่าเฉลี่ยแบบถ่วงน้ำหนัก นี่คือสิ่งที่ SD แบบถ่วงน้ำหนักจับได้ ทั้งค่าเบี่ยงเบนและน้ำหนักล้วนมีความสำคัญ

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