Odchylenie standardowe a błąd standardowy - to nie to samo

Odchylenie standardowe (SD) i błąd standardowy średniej (SE) bywają mylone, bo mają podobne nazwy i oba pojawiają się przy średniej. To jednak dwie różne rzeczy: SD mówi, jak bardzo pojedyncze wyniki rozrzucają się wokół średniej, a SE mówi, jak precyzyjnie oszacowałeś samą średnią w populacji.

Zależność jest prosta: SE = SD podzielone przez pierwiastek z liczebności próby. Im większa próba, tym mniejszy błąd standardowy - dlatego duże badania dają stabilniejsze oszacowania średniej. SD prawie nie zależy od wielkości próby, bo opisuje zmienność zjawiska, a nie precyzję pomiaru.

Przykład: średni wynik testu to 70 punktów, SD = 10, a próba liczy 100 osób. Wtedy SE = 10/10 = 1. Znaczy to, że wyniki poszczególnych osób wahają się typowo o około 10 punktów wokół 70, ale samą średnią oszacowaliśmy z dokładnością rzędu 1 punktu.

Typowy błąd to podawanie SE tam, gdzie należy opisać rozrzut danych (właściwe jest wtedy SD), albo odwrotnie. Na wykresach słupki błędu mogą przedstawiać SD, SE lub przedział ufności, więc zawsze podpisz, co dokładnie pokazują - inaczej ten sam wykres można odczytać na trzy sposoby.

W praktyce: do charakterystyki próby i opisu zmiennych używaj średniej i SD, a błędu standardowego oraz przedziału ufności - gdy mówisz o precyzji oszacowania i wnioskowaniu. Jeśli nie masz pewności, którą miarę wpisać do tabeli wyników, możesz zlecić przygotowanie opisu danych w konfiguratorze - raport od razu zawiera poprawnie dobrane statystyki opisowe.