什麼是樣本平均數標準差
樣本平均數的標準差，更常見的名稱是平均數的標準誤（standard error of the mean，簡稱 SEM），用來衡量隨機樣本的平均數預期會偏離真正母體平均數多少。母體標準差 \(\sigma\) 描述的是個別資料點的分散程度，而標準誤描述的則是樣本平均數的分散程度。蒐集的觀測值越多，樣本平均數就會越緊密地聚集在母體平均數附近。
如何使用本計算器
輸入母體標準差（\(\sigma\)）與樣本數（\(n\)），計算器會將 \(\sigma\) 除以 \(n\) 的平方根，得出標準誤。你可以用這個結果來建立信賴區間、進行假設檢定，或判斷一個估計平均數有多可靠。
公式解析
兩者的關係為：
$$\sigma_{\bar{x}} = \frac{\sigma}{\sqrt{n}}$$由於 \(n\) 位於平方根之下，若想把標準誤縮小一半，樣本數就必須擴大為原本的四倍。這種「邊際效益遞減」的特性是研究設計的核心：精準度每提升一級，所需付出的成本都會越來越高。
實例演算
假設某母體的標準差 \(\sigma = 10\)，而你抽取了 \(n = 25\) 個觀測值的樣本，則 $$\sigma_{\bar{x}} = \frac{10}{\sqrt{25}} = \frac{10}{5} = 2$$ 也就是說，樣本平均數通常會在真正母體平均數上下約 2 個單位的範圍內波動。
常見問題
\(\sigma\) 和標準誤有什麼差別？\(\sigma\) 描述的是個別數值的變異程度；標準誤描述的則是樣本平均數的變異程度，而且當 \(n > 1\) 時，標準誤一定會比 \(\sigma\) 小。
如果我手上只有樣本標準差 \(s\) 怎麼辦？直接用 \(s\) 取代 \(\sigma\)，即可得到估計的標準誤 \(s / \sqrt{n}\)，公式完全相同。
為什麼是除以 \(\sqrt{n}\)，而不是除以 \(n\)？因為樣本平均數的變異數等於 \(\sigma^2/n\)；要回到「標準差」的單位，就必須取平方根，因此得到 \(\sigma/\sqrt{n}\)。
