Wat is de standaardafwijking?
De standaardafwijking kwantificeert de spreiding van een dataset ten opzichte van het gemiddelde. Een lage standaardafwijking geeft aan dat datapunten dicht rond het gemiddelde gegroepeerd zijn. Een hoge standaardafwijking betekent dat datapunten zich over een breed waardenbereik verspreiden.
Analisten gebruiken deze metriek om volatiliteit, risico en consistentie te meten. In de financiën ervaart een aandeel met een hoge standaardafwijking aanzienlijke prijsschommelingen. In de productie wijst een lage standaardafwijking op strikte kwaliteitscontrole en consistente productafmetingen.
Standaardafwijking van de populatie vs. steekproef
Het berekenen van de standaardafwijking vereist een nauwkeurig centraal referentiepunt. Je moet eerst het gemiddelde van je dataset bepalen voordat je de spreiding meet. Onze Gemiddelde Calculator levert de exacte centrale waarde die voor deze fundamentele stap vereist is.
De wiskundige formule verandert afhankelijk van of je data een volledige populatie of een subset vertegenwoordigt. Het gebruik van de verkeerde formule introduceert systematische bias in je statistische analyse.
| Kenmerk | Standaardafwijking van de populatie ($\sigma$) | Standaardafwijking van de steekproef ($s$) |
|---|---|---|
| Definitie | Meet de spreiding van een volledige groep. | Meet de spreiding van een subset (steekproef). |
| Noemer | Deelt door $N$ (totale populatiegrootte). | Deelt door $n - 1$ (Bessel-correctie). |
| Gebruiksgeval | Censusdata, complete registers. | Enquêtes, experimenten, inferentiële statistiek. |
Formules voor de standaardafwijking
De wiskundige notatie verandert afhankelijk van of je de spreiding voor een volledige populatie of een steekproef berekent. Beide formules zijn gebaseerd op de sommatie-operator, aangeduid met de Griekse hoofdletter Sigma ($\sum$).
Formule voor de standaardafwijking van de populatie
Wanneer je data voor elk lid van de populatie bezit, is de formule:
Waarbij:
- $\sigma$ = standaardafwijking van de populatie
- $\mu$ = gemiddelde van de populatie
- $x_i$ = elke individuele waarde
- $N$ = totaal aantal waarden in de populatie
Formule voor de standaardafwijking van de steekproef
Wanneer je werkt met een steekproef getrokken uit een grotere populatie, is de formule:
Waarbij:
- $s$ = standaardafwijking van de steekproef
- $\bar{x}$ = gemiddelde van de steekproef
- $x_i$ = elke individuele waarde
- $n - 1$ = vrijheidsgraden (Bessel-correctie)
De verkorte formules (berekeningsformules)
De berekeningsformule biedt een sneller alternatief bij het werken met samenvattende statistieken. Het elimineert de noodzaak om individuele afwijkingen van het gemiddelde te berekenen. Deze methode is zeer praktisch voor grote datasets of handmatige berekeningen.
Verkorte formule voor de populatie:
Verkorte formule voor de steekproef:
Handmatige berekening van de standaardafwijking
De handmatige berekening volgt een strikt zes-stappen proces. Hoewel onze calculator dit automatiseert, blijft het begrijpen van de mechanica essentieel voor statistische geletterdheid. De volgende voorbeelden demonstreren beide methoden in detail.
Standaardafwijking van de steekproef
Een farmaceutisch onderzoeker registreert de hersteltijden (in dagen) van 8 patiënten die een nieuw medicijn gebruiken. De dataset is: $12, 15, 14, 18, 13, 16, 14, 17$. We behandelen dit als een steekproef getrokken uit een grotere populatie van alle potentiële patiënten.
Oplossing
- Bereken het steekproefgemiddelde ($\bar{x}$): Tel de waarden op ($119$) en deel door $n$ ($8$). $\bar{x} = 14,875$ dagen.
- Vind de afwijkingen van het gemiddelde: Trek $14,875$ af van elke waarde (bijv. $12 - 14,875 = -2,875$).
- Kwadrateer elke afwijking: Vermenigvuldig elke afwijking met zichzelf (bijv. $(-2,875)^2 = 8,265625$).
- Tel de gekwadrateerde afwijkingen op: Tel alle gekwadrateerde waarden bij elkaar op. $\sum (x_i - \bar{x})^2 = 28,875$.
- Deel door $n-1$ om de steekproefvariantie ($s^2$) te krijgen: $28,875 \div 7 = 4,125$.
- Neem de vierkantswortel: $\sqrt{4,125} \approx 2,031$.
Resultaat: De standaardafwijking van de steekproef is 2,031 dagen. Dit geeft aan dat de hersteltijden van patiënten gemiddeld ongeveer 2,031 dagen afwijken van de gemiddelde hersteltijd van 14,875 dagen.
De onderstaande tabel detailleert de afwijkingsberekeningen voor deze steekproef:
| Observatie ($x_i$) | Afwijking ($x_i - \bar{x}$) | Gekwadrateerde afwijking $(x_i - \bar{x})^2$ |
|---|---|---|
| 12 | -2,875 | 8,266 |
| 15 | 0,125 | 0,016 |
| 14 | -0,875 | 0,766 |
| 18 | 3,125 | 9,766 |
| 13 | -1,875 | 3,516 |
| 16 | 1,125 | 1,266 |
| 14 | -0,875 | 0,766 |
| 17 | 2,125 | 4,516 |
| Som: | 28,875 | |
Standaardafwijking van de populatie
Een leraar registreert de eindexamencijfers van alle 10 leerlingen in een kleine klas. De dataset is: $78, 82, 85, 90, 92, 88, 84, 86, 91, 89$. Omdat dit elke leerling in de klas omvat, behandelen we het als een volledige populatie.
Oplossing
- Bereken het populatiegemiddelde ($\mu$): Tel de waarden op ($865$) en deel door $N$ ($10$). $\mu = 86,5$ punten.
- Vind de afwijkingen van het gemiddelde: Trek $86,5$ af van elke waarde (bijv. $78 - 86,5 = -8,5$).
- Kwadrateer elke afwijking: Vermenigvuldig elke afwijking met zichzelf (bijv. $(-8,5)^2 = 72,25$).
- Tel de gekwadrateerde afwijkingen op: Tel alle gekwadrateerde waarden bij elkaar op. $\sum (x_i - \mu)^2 = 198,5$.
- Deel door $N$ om de populatievariantie ($\sigma^2$) te krijgen: $198,5 \div 10 = 19,85$.
- Neem de vierkantswortel: $\sqrt{19,85} \approx 4,455$.
Resultaat: De standaardafwijking van de populatie is 4,455 punten. Dit geeft aan dat de leerlingcijfers typisch ongeveer 4,455 punten afwijken van het klasgemiddelde van 86,5 punten.
De onderstaande tabel detailleert de afwijkingsberekeningen voor deze populatie:
| Observatie ($x_i$) | Afwijking ($x_i - \mu$) | Gekwadrateerde afwijking $(x_i - \mu)^2$ |
|---|---|---|
| 78 | -8,5 | 72,25 |
| 82 | -4,5 | 20,25 |
| 85 | -1,5 | 2,25 |
| 90 | 3,5 | 12,25 |
| 92 | 5,5 | 30,25 |
| 88 | 1,5 | 2,25 |
| 84 | -2,5 | 6,25 |
| 86 | -0,5 | 0,25 |
| 91 | 4,5 | 20,25 |
| 89 | 2,5 | 6,25 |
| Som: | 198,50 | |
Berekening met de verkorte formule
Een kwaliteitscontroleur meet de diameter van 5 metalen staven in millimeters. De dataset is: $10,1, 9,9, 10,0, 10,2, 9,8$. We gebruiken de verkorte formule voor de steekproef om het berekenen van individuele afwijkingen te vermijden.
Oplossing
- Bereken de som van de waarden ($\sum x_i$): $10,1 + 9,9 + 10,0 + 10,2 + 9,8 = 50,0$.
- Bereken het steekproefgemiddelde ($\bar{x}$): $50,0 \div 5 = 10,0$ mm.
- Bereken de som van de gekwadrateerde waarden ($\sum x_i^2$): $10,1^2 + 9,9^2 + 10,0^2 + 10,2^2 + 9,8^2 = 102,01 + 98,01 + 100,00 + 104,04 + 96,04 = 500,10$.
- Pas de verkorte formule voor de steekproef toe: $s = \sqrt{\frac{500,10 - 5(10,0)^2}{5-1}}$.
- Vereenvoudig de teller: $500,10 - 5(100) = 500,10 - 500 = 0,10$.
- Deel en neem de vierkantswortel: $s = \sqrt{\frac{0,10}{4}} = \sqrt{0,025} \approx 0,158$.
Resultaat: De standaardafwijking van de steekproef is 0,158 mm. De verkorte formule heeft met succes de omslachtige aftrekking en kwadratering van individuele afwijkingen vermeden.
Vergelijking van consistentie: Een voorbeeld van een dubbele dataset
Een fabriek exploiteert twee machines die flessen van 1 liter vullen. Machine A produceert volumes van: $998, 1002, 1000, 1001, 999$ ml. Machine B produceert volumes van: $990, 1010, 1005, 995, 1000$ ml. Beide machines hebben een identiek gemiddelde van 1000 ml, maar hun consistentie verschilt drastisch.
Oplossing
- Analyseer machine A: De afwijkingen van het gemiddelde zijn zeer klein ($-2, 2, 0, 1, -1$). De som van de gekwadrateerde afwijkingen is slechts 10. Delen door $n-1$ (4) geeft een variantie van 2,5. De standaardafwijking is $\sqrt{2,5} \approx 1,58$ ml.
- Analyseer machine B: De afwijkingen zijn veel groter ($-10, 10, 5, -5, 0$). De som van de gekwadrateerde afwijkingen is 250. Delen door 4 geeft een variantie van 62,5. De standaardafwijking is $\sqrt{62,5} \approx 7,91$ ml.
Resultaat: Machine A heeft een standaardafwijking van 1,58 ml, terwijl machine B een standaardafwijking van 7,91 ml heeft. Hoewel beide machines gemiddeld de 1000 ml-doelstelling halen, is machine A veel consistenter en betrouwbaarder voor de productie.
Standaardafwijking vs. Variantie en Spreidingsbreedte
Variantie en standaardafwijking meten hetzelfde concept, maar gebruiken verschillende eenheden. De variantie vertegenwoordigt de gemiddelde gekwadrateerde afwijking, wat de oorspronkelijke meetschaal vervormt. Het nemen van de vierkantswortel van de variantie brengt de standaardafwijking terug naar de oorspronkelijke eenheden van de dataset.
De spreidingsbreedte (range) biedt een veel eenvoudigere spreidingsmaat. Het trekt de minimumwaarde af van de maximumwaarde. De spreidingsbreedte gebruikt echter slechts twee datapunten, waardoor het zeer gevoelig is voor uitbijters.
De standaardafwijking incorporeert elk afzonderlijk datapunt, wat een veel robuustere spreidingsmaat oplevert. Beschouw een set testcijfers: $70, 80, 90$. De spreidingsbreedte is $90 - 70 = 20$. De variantie is $100$. De standaardafwijking is $\sqrt{100} = 10$. Terwijl de spreidingsbreedte de totale spreiding aangeeft, geeft de standaardafwijking de typische afstand van elk cijfer tot het gemiddelde van 80 aan.
Onze Variantie Calculator en Spreidingsbreedte Calculator helpen je deze alternatieve spreidingsmaten snel te berekenen.
De empirische regel van de standaardafwijking
De empirische regel, ook bekend als de 68-95-99,7-regel, stelt dat voor een normale verdeling bijna alle data binnen drie standaardafwijkingen van het gemiddelde valt.
- 68% van de data valt binnen één standaardafwijking (boven en onder) het gemiddelde.
- 95% van de data valt binnen twee standaardafwijkingen van het gemiddelde.
- 99,7% van de data valt binnen drie standaardafwijkingen van het gemiddelde.
Hoe het werkt
- Gemiddelde ($\mu$): Het gemiddelde of centrale punt van de data.
- Standaardafwijking ($\sigma$): Een maat voor hoe ver datapunten zich vanuit het centrum verspreiden.
Praktisch voorbeeld
Stel dat de hoogtes van een specifieke plantensoort normaal verdeeld zijn met een gemiddelde ($\mu$) van 150 cm en een standaardafwijking ($\sigma$) van 10 cm.
- Eén standaardafwijking: $150 \pm 10$ cm. Ongeveer 68% van de planten is tussen 140 cm en 160 cm lang.
- Twee standaardafwijkingen: $150 \pm 20$ cm. Ongeveer 95% van de planten is tussen 130 cm en 170 cm lang.
- Drie standaardafwijkingen: $150 \pm 30$ cm. Ongeveer 99,7% van de planten is tussen 120 cm en 180 cm lang.
Deze regel stelt onderzoekers in staat om snel kansen in te schatten en uitbijters te identificeren zonder complexe berekeningen.
De variatiecoëfficiënt (CV) stelt je in staat om de volatiliteit van twee volledig verschillende datasets te vergelijken. Je berekent het door de standaardafwijking te delen door het gemiddelde en te vermenigvuldigen met 100. Een hogere CV wijst op grotere relatieve variabiliteit, ongeacht de absolute schaal van de data.
Extreme uitbijters blazen de standaardafwijking drastisch op. Omdat de formule de afwijkingen kwadrateert, oefent één enkele extreme waarde een massale wiskundige invloed uit op het eindresultaat. Wanneer je standaardafwijking hoog is door uitbijters, biedt de Mediaan Rekenmachine vaak een betrouwbaardere maat voor de centrale tendens.
Wiskundige eigenschappen van de standaardafwijking
De standaardafwijking vertoont voorspelbaar gedrag onder specifieke wiskundige transformaties:
- Een constante optellen of aftrekken: Als je een constante waarde optelt bij of aftrekt van elk datapunt in een dataset, blijft de standaardafwijking volledig onveranderd. De data verschuift langs de getallenlijn, maar de relatieve afstand tussen de punten blijft exact hetzelfde.
- Vermenigvuldigen of delen door een constante: Als je elk datapunt vermenigvuldigt met of deelt door een constante $c$, wordt de standaardafwijking geschaald met de absolute waarde van die constante ($|c|$). Als je bijvoorbeeld elke waarde in je dataset verdubbelt, verdubbelt de standaardafwijking exact.
- Niet-negativiteit: De standaardafwijking is altijd groter dan of gelijk aan nul. Het kan alleen nul zijn als elke waarde in de dataset identiek is.
Standaardafwijking en Z-scores
De Z-score stelt een directe, praktische relatie vast tussen individuele datapunten en de standaardafwijking. Het standaardiseert je data door exact uit te drukken hoeveel standaardafwijkingen een specifieke waarde boven of onder het gemiddelde ligt.
Waarbij:
- $Z$ = Z-score (standaardwaarde)
- $x$ = individuele waarde
- $\mu$ = gemiddelde van de populatie
- $\sigma$ = standaardafwijking van de populatie
Praktisch voorbeeld
Een student scoort 92 op een wiskundetoets. Het klasgemiddelde ($\mu$) is 80 en de standaardafwijking ($\sigma$) is 6. We willen de Z-score van de student vinden om hun relatieve prestatie te begrijpen.
| Stap | Berekening | Resultaat |
|---|---|---|
| 1. Vind de afwijking | $x - \mu = 92 - 80$ | 12 |
| 2. Deel door de standaardafwijking | $Z = \frac{12}{6}$ | 2,0 |
Resultaat: De Z-score van de student is 2,0. Dit betekent dat hun score exact twee standaardafwijkingen boven het klasgemiddelde ligt, wat hen volgens de empirische regel in de bovenste 2,5% van de klas plaatst.
Deze metriek overbrugt de kloof tussen beschrijvende en inferentiële statistiek. Door ruwe data om te zetten in Z-scores, kun je eenvoudig waarden uit volledig verschillende datasets vergelijken of precieze kansen berekenen. Gebruik onze Z-Score Rekenmachine om de gestandaardiseerde positie van elk datapunt binnen je verdeling te bepalen.
Veelgestelde vragen
Wat betekent een standaardafwijking van 0?
Een standaardafwijking van nul betekent dat elke waarde in je dataset identiek is. Er is absoluut geen spreiding of variabiliteit in de data. Elk datapunt is exact gelijk aan het gemiddelde.
Kan de standaardafwijking negatief zijn?
Nee, de standaardafwijking kan niet negatief zijn. De berekening omvat het kwadrateren van de afwijkingen, wat altijd positieve getallen oplevert. De laatste stap neemt de principale (positieve) vierkantswortel van de variantie.
Waarom delen we door $n-1$ voor de standaardafwijking van de steekproef?
Delen door $n-1$ past de Bessel-correctie toe. Deze aanpassing compenseert het feit dat een steekproef de ware variabiliteit van de volledige populatie onderschat. Het levert een zuivere schatter van de populatievariantie.
Hoe verhoudt de standaardafwijking zich tot het gemiddelde?
De standaardafwijking meet de gemiddelde afstand van datapunten tot het gemiddelde. Het gemiddelde stelt het centrale referentiepunt vast. Zonder eerst het gemiddelde te berekenen, kun je de standaardafwijking niet bepalen.
Wat is het verschil tussen standaardafwijking en variantie?
De variantie meet de gemiddelde gekwadrateerde afwijking van het gemiddelde. De standaardafwijking is de vierkantswortel van de variantie. De standaardafwijking heeft de voorkeur voor interpretatie omdat het terugkeert naar de oorspronkelijke eenheden van de data.
Wanneer moet ik de standaardafwijking van de populatie vs. de steekproef gebruiken?
Gebruik de standaardafwijking van de populatie wanneer je data elk lid van de groep omvat die je bestudeert. Gebruik de standaardafwijking van de steekproef wanneer je data een subset vertegenwoordigt die uit een grotere groep is getrokken en je inferenties over die grotere groep wilt maken.
Hoe beïnvloeden uitbijters de standaardafwijking?
Uitbijters blazen de standaardafwijking aanzienlijk op. De formule kwadrateert de afstand tot het gemiddelde, wat betekent dat extreme waarden een onevenredig grote wiskundige invloed uitoefenen op het eindresultaat.
Wat is een "goede" standaardafwijking?
Een "goede" standaardafwijking hangt volledig af van je context en risicotolerantie. In de productie is een lage standaardafwijking ideaal voor kwaliteitscontrole. In beleggingsportefeuilles kan een hogere standaardafwijking acceptabel zijn als deze gepaard gaat met hogere verwachte rendementen.
Bronnen voor verder lezen
- MIT OpenCourseWare: 18.05 Inleiding tot Waarschijnlijkheid en Statistiek: Samenvattende Statistieken – Rigoureuze academische materialen die spreidingsmaten behandelen van het Massachusetts Institute of Technology.
- CBS (Centraal Bureau voor de Statistiek): Begrippen: Standaardafwijking – Officiële overheidsmethodologie en standaarden voor het meten van variabiliteit en spreiding in grootschalige demografische datasets.
- Khan Academy (Nederlands): Herziening van de standaardafwijking van de populatie en de steekproef – Uitstekende fundamentele uitleg en interactieve oefenproblemen om spreiding te begrijpen.
- Universiteit van Amsterdam: Bronnen voor Beschrijvende Statistiek – Formele definities en wiskundige strengheid ondersteund door een van de meest prestigieuze academische instellingen van Nederland.