标准误计算器
计算均值的标准误。粘贴样本数据，以英文逗号或换行分隔。
学习手动计算方法输入数值
结果随输入自动更新。
如何输入数据
将数值输入或粘贴到“数据”框中，用英文逗号、空格或换行分隔，例如 12, 15, 15, 18, 22, 30。至少输入两个数值。“类型”通常保持为“样本”；只有数据确实涵盖整个目标群体时，才选择“总体”。
标准误
请检查输入
输入有效数值即可查看结果。需要帮助时，请参阅字段提示或打开数据输入指南。
标准误计算器根据考试成绩、问卷评分等数值，计算样本均值的标准误，用于衡量均值估计的抽样精度。标准误越小，表示在相同抽样条件下，均值通常越稳定；越大则表示抽样波动可能越大。工具还会显示均值、标准差和输入数量。标准误描述精度，本身不能排除抽样偏差或测量错误。
自己动手计算
使用三个观测值 2、4、6，计算样本均值的标准误。
按照示例了解计算过程，再代入您自己的数值。
计算均值与离差平方
均值 = (2 + 4 + 6) ÷ 3 = 4。离差平方分别为 4、0、4。计算样本标准差
s = √[(4 + 0 + 4) ÷ (3 − 1)] = √4 = 2。s 是样本标准差，n = 3 是观测数量。
除以样本量的平方根
SE = s ÷ √n = 2 ÷ √3 ≈ 1.155。
本例选择“样本”。选择“总体”时，标准差计算中的离差平方和会除以 n。
在计算器中核对答案
应用场景
- 教师: 教师输入 20 名学生的考试成绩，估计在相同抽样条件下换一组学生参加同一考试时，平均成绩可能出现多大波动。
- 咖啡馆店主: 咖啡馆店主粘贴 40 个顾客满意度评分，评估 4.2 分这一均值的抽样精度。
- 市场研究人员: 研究人员输入受访者的年龄，在报告平均年龄的同时，说明估计值的精度。
标准误与标准差
标准差衡量原始数据的离散程度，均值标准误衡量样本均值估计总体均值的抽样精度。在离散程度相近时，样本越大，标准误越小。
何时使用
如果您有一组数值，想了解其均值的估计精度，可以使用此工具。数据可以是考试成绩、问卷评分、价格、等候时间、年龄等。标准误尤其适用于样本数据，例如从数千名顾客中调查的 50 人。它回答的是：如果在相同条件下换一批人测量，均值可能波动多少？标准误较小表示抽样波动较小，但不能保证样本具有代表性。
结果是什么意思？
顶部显示的是标准误，与原始数值使用相同单位。它估计样本均值在重复抽样中的波动程度。数值越小，精度越高，但是否足够小要结合测量单位和研究目的判断。在适用正态近似的条件下，均值上下约两个标准误可作为约 95% 区间的粗略参考；小样本通常需要使用 t 分布。样本更少或数据更分散，都会使标准误增大。
常见错误
至少输入两个数值，单个数值无法用于估算样本标准误。不要混合价格和星级评分等不同类型的数据。除非数据确实涵盖整个目标群体，否则选择“样本”。标准误较小不代表数据一定正确，它只反映估计的抽样精度。不要将其与衡量数据离散程度的标准差混淆。
如何使用此计算器
- 将数值输入或粘贴到“数据”框中，以英文逗号、空格或换行分隔。
- “类型”通常选择“样本”；只有列表涵盖整个目标群体时，才选择“总体”。
- 查看顶部显示的标准误；数值越小，均值估计的抽样精度越高。
- 同时查看下方的均值、标准差和 n，了解平均水平、离散程度及输入数量。
计算示例
假设记录了 6 位顾客的等候时间，单位为分钟：12, 15, 15, 18, 22, 30。将数值粘贴到“数据”框，类型选择“样本”，可得均值约 18.67 分钟、标准误约 2.65 分钟。均值上下约两个标准误，大致为 13 至 24 分钟，可用于直观理解精度；由于样本很小，正式的 95% 置信区间应使用 t 分布，不能直接将这个粗略范围当作 95% 区间。
常见问题
“数据”框中应该填什么？
输入或粘贴数值，以英文逗号、空格或换行分隔，例如 12, 15, 15, 18, 22, 30。至少需要两个数值。
这些数据从哪里来？
数值来自您的实际结果，例如问卷评分、考试成绩、价格或等候时间。使用同一种测量的数值列表即可。
应该选择“样本”还是“总体”？
通常选择“样本”，因为收集到的数据往往只是更大群体的一部分。只有列表确实包含目标群体的每个成员时，才选择“总体”。
标准误的数值表示什么？
它估计在相同条件下反复抽样时，样本均值会波动多少。数值越小，表示均值估计的抽样精度越高。
标准误与标准差有什么区别？
标准差衡量单个数值之间的离散程度，标准误衡量均值估计的精度。在数据离散程度相近时，增加样本量会减小标准误。