01 · Podstawy · 4 min czytania · Interaktywne · aktualizacja 8 października 2026

Co to jest błąd standardowy i czym różni się od odchylenia standardowego?

Co to jest

Próbkowanie to wnioskowanie o całej populacji na podstawie jej części — próby. Każda liczba policzona z próby (średnia, odsetek, dokładność modelu) jest statystyką, która przy innym losowaniu wyszłaby trochę inaczej. Rozkład wartości, jakie przyjęłaby statystyka przy wielokrotnym powtarzaniu losowania, to jej rozkład z próby.

Błąd standardowy (SE) to odchylenie standardowe tego rozkładu z próby: mówi, o ile typowo wynik z jednej próby różni się od wartości w populacji. Dla średniej z n niezależnych obserwacji SE = σ / √n, gdzie σ to odchylenie standardowe w populacji (w praktyce szacowane z próby).

Trzeba odróżnić dwie rzeczy. Odchylenie standardowe opisuje rozrzut pojedynczych obserwacji — jak bardzo różnią się od siebie ludzie. Błąd standardowy opisuje niepewność oszacowania — jak bardzo mylimy się co do średniej. Pierwsze nie maleje z liczebnością próby, drugie maleje.

Mechanizm — dlaczego tak działa

Skąd √n? Średnia to suma n obserwacji podzielona przez n. Jeśli obserwacje są niezależne, wariancje sumy się dodają: wariancja sumy to n · σ². Dzielenie przez n zmniejsza wariancję n² razy, więc wariancja średniej wynosi σ² / n, a jej odchylenie standardowe σ / √n. Intuicyjnie: błędy pojedynczych obserwacji częściowo się znoszą, bo jedne są w górę, a inne w dół — ale tylko częściowo, stąd pierwiastek, a nie samo n.

Konsekwencja praktyczna jest bolesna: precyzja rośnie wolno. Żeby zmniejszyć błąd o połowę, trzeba czterokrotnie powiększyć próbę; żeby zmniejszyć go dziesięciokrotnie — stukrotnie. Dotyczy to także oceny modeli: dokładność 0,85 policzona na 200 przypadkach testowych ma błąd standardowy około 0,025, więc różnica 0,01 między dwoma modelami to prawie na pewno szum.

Wzór σ / √n zakłada niezależność obserwacji. Gdy dane są skorelowane — pomiary tego samego pacjenta, kolejne dni szeregu czasowego, zdjęcia z jednego aparatu — efektywna liczebność próby jest mniejsza niż n i wzór zaniża niepewność. Zakłada też, że próba jest losowa: błąd standardowy mierzy tylko zmienność losowania, nie obciążenie wynikające z tego, kogo w ogóle dało się zbadać. Nawet nieskończenie wielka, ale stronnicza próba daje precyzyjnie błędny wynik.

Gdy losujemy bez zwracania znaczną część skończonej populacji, potrzebna jest poprawka na skończoną populację: SE mnoży się przez √((N − n) / (N − 1)). Gdy próba obejmuje całą populację, błąd spada do zera, bo nie ma już czego szacować.

Dzięki centralnemu twierdzeniu granicznemu rozkład z próby średniej jest przy większych n zbliżony do normalnego, nawet gdy dane nie są. Dlatego „średnia ± 2 SE” daje w przybliżeniu 95-procentowy przedział ufności. Dla statystyk, dla których nie ma prostego wzoru (mediana, AUC, współczynnik korelacji), błąd standardowy szacuje się metodą bootstrap.

Na przykładzie

Zbiór Titanic zawiera wiek dla 714 pasażerów: średnia 29,70 roku, odchylenie standardowe 14,53. Potraktujmy tych 714 osób jako populację i losujmy z niej (bez zwracania) po 10 000 prób różnej wielkości. Dla prób po 25 osób odchylenie standardowe uzyskanych średnich wynosi 2,84 roku, a wzór σ / √25 daje 2,90; 95% średnich mieści się między 24,2 a 35,3 roku. Dla prób po 100 osób rozrzut średnich spada do 1,35 i 95% z nich mieści się między 27,1 a 32,4 roku.

Dla prób po 400 osób symulacja daje 0,48, a gołe σ / √n aż 0,73. Rozbieżność znika po poprawce na skończoną populację (0,48): 400 osób to ponad połowa z 714, więc kolejne próby w dużej mierze się pokrywają. W praktyce mamy tylko jedną próbę: przykładowa próba 25 osób dała średnią 31,95 i odchylenie 16,73, więc oszacowany SE = 16,73 / 5 = 3,35 — rzetelnie sygnalizuje, że średnia z takiej próby może się mylić o kilka lat. Dla całego zbioru odsetek ocalałych 0,384 ma SE = √(0,384 · 0,616 / 891) = 0,016.

Dane: Titanic

W praktyce

• Błąd standardowy średniej: scipy.stats.sem(x) albo x.std(ddof=1) / np.sqrt(len(x)); w pandas s.sem().
• Dla odsetka (np. dokładności) SE = √(p(1 − p) / n); przy p bliskim 0 lub 1 i małym n lepiej użyć przedziału Wilsona (statsmodels.stats.proportion.proportion_confint).
• Przy walidacji krzyżowej raportuj średnią i rozrzut wyników z foldów (cross_val_score), pamiętając, że foldy nie są w pełni niezależne, więc prosty SE jest zaniżony.
• Dla dowolnej statystyki błąd oszacujesz bootstrapem: scipy.stats.bootstrap lub ręcznie losując ze zwracaniem przez rng.choice(x, len(x), replace=True).
• Typowy błąd: słupki błędów na wykresie bez informacji, czy to odchylenie standardowe, błąd standardowy czy przedział ufności — różnią się kilkukrotnie.

Najczęstsze pytania

Kiedy podawać odchylenie standardowe, a kiedy błąd standardowy?

Odchylenie standardowe, gdy opisujesz rozrzut w danych (jak różni są pacjenci). Błąd standardowy, gdy opisujesz niepewność oszacowania (jak dokładnie znasz średnią). Mylenie ich sprawia, że wyniki wyglądają na bardziej lub mniej pewne, niż są.

Ile obserwacji potrzeba, żeby wynik był wiarygodny?

To zależy od rozrzutu danych i od tego, jakiej precyzji potrzebujesz. Wzór n = (σ / pożądany SE)² daje odpowiedź dla średniej: przy σ = 15 i pożądanym SE = 1 potrzeba około 225 obserwacji.

Czy duża próba chroni przed błędem?

Chroni przed błędem losowym, ale nie przed systematycznym. Ankieta milionów osób, które same zgłosiły się do badania, może dawać bardzo mały błąd standardowy i jednocześnie mocno obciążony wynik.

Źródła

Zobacz też