표준편차 계산기
데이터셋의 평균, 분산, 표준편차를 모집단과 표본으로 구분하여 계산합니다.
정보 입력
계산 결과
숫자를 입력하세요
표준편차 계산기는 데이터셋의 산포도를 측정하는 표준편차를 계산하는 통계 도구입니다.
표준편차는 데이터가 평균으로부터 얼마나 퍼져 있는지를 나타냅니다. 표준편차가 작으면 데이터가 평균에 가깝게 모여 있고, 크면 데이터가 넓게 퍼져 있다는 의미입니다.
이 계산기는 모집단 표준편차(σ)와 표본 표준편차(s)를 모두 계산하며, 분모가 다르다는 점에 유의하세요:
- 모집단: 전체 데이터를 모두 포함할 때 (분모: N)
- 표본: 전체 중 일부를 표본으로 사용할 때 (분모: N-1, 베팔 교정)
용어 설명
- 표준편차(Standard Deviation)
- 데이터의 산포도를 나타내는 가장 널리 쓰이는 통계량으로, 분산의 제곱근입니다.
- 분산(Variance)
- 데이터와 평균의 차이를 제곱한 값의 평균입니다.
- 모집단 vs 표본
- 모집단은 관심 대상 전체이며, 표본은 모집단에서 추출한 일부입니다. 표본은 모집단을 대표하되, N-1로 나누어 편향을 보정합니다.
- 데이터 값을 콤마 또는 공백으로 구분하여 입력하세요. (예: 2, 4, 4, 4, 5, 5, 7, 9)
- 계산 버튼을 클릭하세요.
- 평균과 모집단/표본 표준편차 결과를 확인하세요.
- 표준편차의 크기로 데이터가 평균 주위에 얼마나 모여 있는지 해석하세요.
2, 4, 4, 4, 5, 5, 7, 9
평균은 5이고, 표준편차는 약 2.138입니다. 데이터가 평균 주위에 비교적 가깝게 분포합니다.
10, 12, 23, 23, 16, 23, 21, 16
평균은 18이고, 표준편차는 약 5.26입니다.
상수 데이터 5, 5, 5
모든 값이 같으면 평균과의 차이가 모두 0이므로 표준편차는 0입니다.
평균 (Mean)
모든 데이터의 합을 데이터 수로 나눕니다.
모집단 표준편차
전체 데이터를 사용하며, 분모는 데이터 수(N)입니다.
표본 표준편차
표본을 사용하며, 분모는 n-1(베팔 교정)입니다. 모집단 분산을 추정할 때 사용합니다.
표준편차 해석
- 정규분포의 68-95-99.7 규칙:
- 평균 ± 1σ: 약 68%의 데이터
- 평균 ± 2σ: 약 95%의 데이터
- 평균 ± 3σ: 약 99.7%의 데이터
실생활 활용
- 금융: 주식 수익률의 변동성 측정
- 품질관리: 제품 치수의 일관성 확인
- 시험 점수: 반 내 성적 분포 분석
- 기상: 기온 변화의 불안정성 측정
모집단 vs 표본, 언제 어떤 것을 사용하나?
관심 있는 전체 데이터를 다 가지고 있으면 모집단(σ), 전체 중 일부만 관찰했으면 표본(s)을 사용합니다. 예를 들어, "우리 반 학생 전체의 성적"은 모집단, "무작위로 뽑은 10명의 성적"은 표본입니다.
Q모집단 표준편차와 표본 표준편차의 차이는 무엇인가요?
모집단 표준편차(σ)는 관심 대상 전체 데이터를 사용하고 분모가 N입니다. 표본 표준편차(s)는 일부 표본만 사용하며, 모집단을 더 정확히 추정하도록 분모가 N-1입니다(베셀 교정).
Q분산과 표준편차의 관계는 무엇인가요?
표준편차는 분산의 제곱근입니다. 분산은 (값 - 평균)²의 평균이며, 표준편차는 이를 원래 데이터와 같은 단위로 되돌린 값입니다.
Q표준편차는 무엇을 측정하나요?
표준편차는 데이터가 평균에서 얼마나 퍼져 있는지(산포도)를 측정합니다. 값이 작을수록 데이터가 평균에 가깝게 모여 있고, 클수록 넓게 퍼져 있습니다.
Q표준편차는 언제 사용하나요?
데이터의 분포나 변동성을 비교할 때 사용합니다. 금융에서는 주식 변동성, 품질관리에서는 제품 일관성, 시험 점수 분석에서는 성적 분포를 평가할 때 사용됩니다.
Q모든 값이 같으면 표준편차는 어떻게 되나요?
모든 값이 같으면 각 값과 평균의 차이가 모두 0이므로 분산이 0이고, 따라서 표준편차도 0이 됩니다.