Odchylenie standardowe reprezentuje dyspersję z powodu losowych procesów. W szczególności wiele fizycznych pomiarów, które prawdopodobnie wynikają z sumy wielu niezależnych procesów, ma rozkład normalny (krzywa dzwonowa).
Y= 1σ2 π--√mi- ( x - μ )2)2 σ2)
Yxμσ
Innymi słowy, odchylenie standardowe jest terminem wynikającym z sumowania niezależnych zmiennych losowych. Nie zgadzam się więc z niektórymi odpowiedziami podanymi tutaj - odchylenie standardowe nie jest tylko alternatywą dla odchylenia średniego, które „okazuje się być wygodniejsze dla późniejszych obliczeń”. Odchylenie standardowe jest właściwym sposobem modelowania dyspersji dla zjawisk o rozkładzie normalnym.
Jeśli spojrzysz na równanie, zobaczysz, że odchylenie standardowe w większym stopniu odważa większe odchylenia od średniej. Intuicyjnie możesz myśleć o średnim odchyleniu jako o pomiarze rzeczywistego średniego odchylenia od średniej, podczas gdy odchylenie standardowe stanowi rozkład w kształcie dzwonu, czyli „normalny” rozkład wokół średniej. Więc jeśli twoje dane są normalnie rozłożone, odchylenie standardowe mówi ci, że jeśli spróbujesz więcej wartości, ~ 68% z nich znajdzie się w obrębie jednego odchylenia standardowego wokół średniej.
Z drugiej strony, jeśli masz pojedynczą zmienną losową, rozkład może wyglądać jak prostokąt, z jednakowym prawdopodobieństwem pojawienia się wartości w dowolnym miejscu w zakresie. W takim przypadku średnie odchylenie może być bardziej odpowiednie.
TL; DR, jeśli masz dane, które wynikają z wielu przypadkowych procesów leżących u podstaw lub które po prostu wiesz, że są dystrybuowane normalnie, użyj funkcji odchylenia standardowego.