표준편차 계산기 - 표본과 모집단

표준편차는 숫자 집합이 얼마나 퍼져 있는지를 나타내는 가장 널리 쓰이는 지표입니다. 각 값이 평균에서 평균적으로 얼마나 떨어져 있는지를 보여 줍니다. 표준편차가 작으면 데이터가 평균 근처에 촘촘히 모여 있고, 크면 더 넓게 흩어져 있다는 뜻입니다. 원래 데이터와 같은 단위로 표시되므로 해석하기 쉽고, 통계, 품질 관리, 금융, 과학, 사회과학의 기본이 됩니다. 계산 순서는 명확합니다. 먼저 모든 값의 평균을 구합니다. 그다음 각 값에서 평균을 뺀 뒤 제곱합니다. 제곱을 하면 음수가 없어지고, 평균에서 더 멀리 떨어진 값일수록 더 큰 가중치가 주어집니다. 이 제곱 편차를 모두 더해 총 제곱오차를 구한 뒤, 데이터 개수(또는 그보다 1 작은 수)로 나누어 분산을 얻습니다. 마지막으로 분산의 제곱근을 취하면 원래 단위의 표준편차가 됩니다. 이 계산기에서 가장 중요한 선택은 표본 공식과 모집단 공식입니다. 예를 들어 한 부서 전체 직원의 나이처럼 관심 있는 집단 전체를 포함한다면 모집단 공식을 사용하며, 이때는 n으로 나눕니다. 더 큰 모집단에서 뽑은 일부 데이터로 전체의 퍼짐을 추정하려면 표본 공식을 사용하며, 이때는 n − 1로 나눕니다. n − 1로 나누는 베셀 보정 덕분에 표본 표준편차는 불편추정량이 되므로 대부분의 통계 작업에서 기본으로 사용됩니다. 같은 데이터라면 표본 표준편차가 항상 모집단 값보다 약간 더 큽니다. 표준편차와 함께 이 계산기는 분산(퍼짐의 제곱 형태), 평균, 개수, 합계, 최솟값, 최댓값도 보여 주므로 범위를 한눈에 파악할 수 있습니다. 분산도 그 자체로 유용하며, 가법성을 가지기 때문에 분산분석이나 포트폴리오 위험 모델의 기초가 됩니다. 다만 표준편차는 데이터와 같은 단위를 쓰므로 보통 더 직관적인 수치입니다. 표준편차는 어디서나 쓰입니다. 교사는 시험 점수가 얼마나 일정한지 확인할 때, 제조업체는 제품 무게가 허용오차 안에 있는지 관리할 때, 투자자는 수익률의 변동성으로 볼 때, 과학자는 측정값의 불확실성을 나타낼 때 사용합니다. 대략 정규분포에서는 값의 약 68%가 평균의 1표준편차 안에, 약 95%가 2표준편차 안에 들어가므로 신뢰구간, z점수, 가설 검정의 핵심 개념이 됩니다. 위에 숫자를 입력해 이 모든 통계를 한 번에 계산해 보세요.