什麼是平均數標準誤？
平均數標準誤（SEM，或簡稱 SE）用來衡量樣本平均數可能偏離母體真實平均數的程度。標準差描述的是個別資料點的離散情形，而標準誤則反映你對「平均數」這項估計值的精確度。樣本數越大，標準誤就越小，代表你估算出的平均數越可靠。
計算器使用方式
只需輸入兩個數值：樣本標準差（s）與樣本數（n）。計算器會將標準差除以樣本數的平方根，得出平均數標準誤。這是一條通用的統計公式，適用於各個領域——舉凡生物學、財務金融、心理學、工程等皆可使用。
公式解析
計算公式為 $$\text{SE} = \frac{\text{Standard Deviation }(s)}{\sqrt{\text{Sample Size }(n)}}$$。其中 \(s\) 是樣本標準差，\(n\) 是觀測值的數量。由於 \(n\) 位於平方根之下，因此若想把標準誤縮小一半，樣本數必須擴大為原本的四倍——這在規劃研究時是個相當實用的觀念。
Advertisement
實際範例
假設某個樣本的標準差為 15，並包含 25 筆觀測值。其標準誤即為 $$15 \div \sqrt{25} = 15 \div 5 = \mathbf{3}$$。換句話說，這個樣本平均數與母體真實平均數的差距，大約落在 3 個單位之內（一個標準誤的範圍）。
常見問題
標準差和標準誤有什麼差別？標準差衡量的是資料點之間的變異程度；標準誤衡量的則是樣本平均數這項估計值的精確度。
樣本數越大，標準誤就越小嗎？是的。隨著 \(n\) 增加，\(\sqrt{n}\) 也跟著變大，標準誤便會縮小，使平均數的估計更為精確。
我可以改用母體標準差來計算嗎？如果你已知母體的真實標準差（\(\sigma\)），就能使用 \(\text{SE} = \sigma / \sqrt{n}\)。不過在多數情況下，我們手上只有樣本標準差 \(s\)。
