Standardavvikelsekalkylator
Beräkna standardavvikelse och varians för valfri numerisk datamängd direkt – välj mellan formler för population eller stickprov. Perfekt för studenter, forskare och analytiker som vill sammanfatta dataspridning.
Last updated: May 2026
Om denna räknare
Standardavvikelse mäter hur spridda värden är kring medelvärdet. För en population med N värden gäller formeln σ = √(Σ(xᵢ − μ)² / N). För ett stickprov med n värden används s = √(Σ(xᵢ − x̄)² / (n−1)), där divisionen med n−1 (Bessels korrektion) ger en väntevärdesriktig skattning av populationsvariansen. Medelvärdet beräknas först: μ = Σxᵢ / N. Variansen är helt enkelt kvadraten på standardavvikelsen. En liten standardavvikelse innebär att värdena ligger tätt kring medelvärdet; en stor indikerar stor spridning. Statistiken är central inom hypotesprövning, kvalitetskontroll, finans och i princip alla kvantitativa discipliner.
Hur du använder den
Anta att dina data är: 4, 8, 6, 5, 3 (ett stickprov med 5 värden). Steg 1 — Medelvärde: (4+8+6+5+3)/5 = 26/5 = 5,2. Steg 2 — Kvadrerade avvikelser: (4−5,2)²=1,44, (8−5,2)²=7,84, (6−5,2)²=0,64, (5−5,2)²=0,04, (3−5,2)²=4,84. Steg 3 — Summa = 14,8. Steg 4 — Stickprovsvarians: 14,8/(5−1) = 3,7. Steg 5 — Standardavvikelse: s = √3,7 ≈ 1,92. Ange värdena kommaseparerade, välj 'Stickprov' och kalkylatorn bekräftar s ≈ 1,92.
Vanliga frågor
Vad är skillnaden mellan populations- och stickprovsstandardavvikelse?
Populationsstandardavvikelsen (σ) används när dina data omfattar samtliga medlemmar i den grupp du studerar – summan av kvadrerade avvikelser delas då med N. Stickprovsstandardavvikelsen (s) används när dina data är ett urval ur en större population, och divisionen sker med n−1 i stället. Nämnaren n−1 (Bessels korrektion) kompenserar för att ett stickprov tenderar att underskatta den verkliga spridningen. I praktiken används stickprovsformeln i de flesta verkliga analyser, eftersom fullständiga populationsdata sällan finns tillgängliga.
Varför används kvadrerade skillnader i stället för absolutbelopp i standardavvikelsen?
Att kvadrera avvikelserna innan medelvärdet beräknas har flera matematiska fördelar: det bestraffar större avvikelser hårdare, ger en slät och deriverbar funktion som är enklare att hantera i kalkylbaserad statistik, och kopplar naturligt till variansen, som har additiva egenskaper för oberoende variabler. Absolutavvikelser förekommer inom robust statistik (medelabsolutavvikelse), men standardavvikelsen är standard tack vare sina starka kopplingar till normalfördelningen och minsta-kvadratmetoden.
Hur tolkar man en hög eller låg standardavvikelse i verkliga data?
En låg standardavvikelse innebär att datapunkterna ligger tätt kring medelvärdet och tyder på jämnhet – värdefullt inom tillverkning där snäva toleranser är viktiga. En hög standardavvikelse innebär stor spridning och tyder på variabilitet eller risk – viktigt inom finans, där hög avkastningsvolatilitet signalerar högre investeringsrisk. Sammanhanget spelar alltid roll: en standardavvikelse på 5 kg är försumbar för fraktvikter men enorm för nyfödda barns födslovikter. Det är bara meningsfullt att jämföra standardavvikelser när enheter och skalor är jämförbara.