Standardabweichungs-Rechner
Berechne Mittelwert, Varianz, Standardabweichung, Median und Modus. Unterstützt Populations- und Stichprobenformeln.
Über dieses Tool
Die Standardabweichung misst, wie stark deine Daten um den Durchschnitt verteilt sind, und ist eines der wichtigsten Konzepte in der Statistik. Während der Mittelwert dir die zentrale Tendenz zeigt, offenbart die Standardabweichung die Variabilität—wie stark einzelne Werte typischerweise von diesem Zentrum abweichen. Diese Kennzahl ist entscheidend für das Verständnis von Datenkonsistenz, die Identifizierung von Risiken in Finanzportfolios, die Bewertung der Messggenauigkeit in der Qualitätskontrolle und die Evaluierung von Leistungsschwankungen in der wissenschaftlichen Forschung.
Um den Rechner zu nutzen, gib einfach deine Datenwerte ein (getrennt durch Kommas oder Zeilenumbrüche). Wähle, ob du eine gesamte Grundgesamtheit oder eine Stichprobe aus einer größeren Grundgesamtheit analysierst—dies ändert die Formel, da Stichproben tendenziell weniger Schwankungen aufweisen als die gesamte Grundgesamtheit. Das Tool berechnet sofort Mittelwert, Varianz, Standardabweichung, Median und Modalwert und gibt dir eine vollständige statistische Übersicht. Dies ist von unschätzbarem Wert für Forscher, die experimentelle Ergebnisse validieren, Unternehmen, die Konsistenz überwachen, Pädagogen, die Prüfungen bewerten, und Analysten, die reale Datensätze interpretieren.
Der Unterschied zwischen Populationsstandardabweichung und Stichprobenstandardabweichung ist entscheidend: Population SD wird durch N geteilt, während Stichproben-SD durch N-1 (Bessel-Korrektur) geteilt wird, um Stichprobenverzerrung zu berücksichtigen. Der Rechner zeigt auch Median und Modalwert an, die zusammen mit dem Mittelwert ein robustes Bild der Form und zentralen Lage deiner Daten geben. Ob du wissenschaftliche Messungen analysierst, Produktqualität zwischen Chargen vergleichst oder Schwankungen in Testergebnissen untersuchst—dieses Tool verwandelt Rohdaten in aussagekräftige statistische Erkenntnisse.
Häufig gestellte Fragen
Code-Implementierung
import statistics
def full_stats(data, population=True):
"""Calculate comprehensive statistics for a dataset."""
n = len(data)
total = sum(data)
mean = total / n
if population:
variance = sum((x - mean) ** 2 for x in data) / n
else:
variance = sum((x - mean) ** 2 for x in data) / (n - 1)
std_dev = variance ** 0.5
sorted_data = sorted(data)
mid = n // 2
median = (sorted_data[mid - 1] + sorted_data[mid]) / 2 if n % 2 == 0 else sorted_data[mid]
# Mode
from collections import Counter
freq = Counter(data)
max_freq = max(freq.values())
mode = [k for k, v in freq.items() if v == max_freq] if max_freq > 1 else []
cv = (std_dev / abs(mean)) * 100 if mean != 0 else 0
return {
"count": n, "sum": total, "mean": mean,
"variance": variance, "std_dev": std_dev,
"min": sorted_data[0], "max": sorted_data[-1],
"range": sorted_data[-1] - sorted_data[0],
"median": median, "mode": mode,
"cv_pct": cv,
}
data = [4, 8, 15, 16, 23, 42]
result = full_stats(data, population=True)
for k, v in result.items():
print(f"{k:12}: {v}")Comments & Feedback
Comments are powered by Giscus. Sign in with GitHub to leave a comment.