이 계산기는?
표준편차(Standard Deviation)는 데이터가 평균으로부터 얼마나 퍼져 있는지를 나타내는 대표적인 산포도 지표입니다. 값이 클수록 데이터가 넓게 퍼져 있음을 의미하며, 작을수록 평균 가까이에 모여 있음을 뜻합니다.
공식 (표본 표준편차, Sample)
s = √ [ Σ (x - x̄)² / (n - 1) ]
공식 (모표준편차, Population)
σ = √ [ Σ (x - μ)² / N ]
실험실에서는 반복 실험 데이터의 정밀도(Precision)를 평가하거나, 데이터의 이상치(Outlier)를 판단할 때 주로 사용됩니다.
사용 공식:
s = √ [ Σ (x - x̄)² / (n - 1) ]입력 변수 설명
데이터 입력
분석할 수치 데이터를 콤마(,)로 구분하여 입력하세요. 공백은 자동으로 무시됩니다. (예: 10, 20, 30)
활용 예시
- 실험 반복 측정값: 98.5, 99.2, 97.8, 98.9, 99.0
- 시험 점수 분포: 85, 90, 78, 92, 88
💡 팁: 대부분의 실험 데이터 분석(3번 이상 반복 실험 등)에는 '표본 표준편차(Sample, n-1)'를 사용하는 것이 통계적으로 옳습니다. 전체 데이터를 모두 측정한 경우(전수조사)에만 '모수 표준편차(Population, n)'를 사용하세요.
💡 자주 묻는 질문
Qn-1로 나누는 것과 n으로 나누는 것의 차이는 무엇인가요?
A
표본(Sample)을 이용해 모집단의 분산을 추정할 때는 편향을 줄이기 위해 n-1로 나눕니다(자유도 보정/불편추계량). 반면, 전체 모집단(Population) 데이터를 모두 가지고 있다면 n으로 나눕니다.
Q분산과 표준편차 중 무엇을 봐야 하나요?
A
데이터의 산포도를 직관적으로 이해하려면 원본 데이터와 단위가 같은 '표준편차'를 보는 것이 좋습니다. '분산'은 수학적 계산 과정이나 검정 통계량 산출에 주로 쓰입니다.
Q표준오차(SEM)와는 어떻게 다른가요?
A
표준편차(SD)는 데이터 자체의 퍼짐 정도이고, 표준오차(SEM = SD/√n)는 표본 평균의 정확도를 추정하는 값입니다.
왜 이 계산기가 필요한가요?
복잡한 수식을 직접 계산하는 것은 시간이 걸리고 실수가 발생하기 쉽습니다. LabMate의 결정론적 엔진은 검증된 알고리즘을 통해 0.0000000001의 오차도 없는 정확한 결과를 보장합니다.