计算方法
怎么计算它的大小呢？由标准差的概念可知，标准差反映离散程度的大小，那么多次抽取样本，把这些样本的均值集中起来作为一个新样本，计算它们的标准差，就可以反映它们的离散程度，离散程度大，说明这些均值偏离总体均值“5”越远，也就是抽样误差越大，这就是标准误—standard error。

这里的error就是“误差”的英文，所以标准误其实应叫做“标准误差”，我们可以理解为由“标准差”计算得出的“误差”。

到这里可能有的人会说，我实际中怎么可能这么多次抽样呢，书上的公式也不是这样算的啊。

没错，实际中我们一般只会抽样一次，而教科书上给出的公式就是通过一次样本的数据来计算标准误，即用样本标准差除以样本量的平方根。

至于为什么公式是这样，这个公式准不准，已有统计学家的前辈们研究过了，我们只要去用就行了。

如果想了解其原理，可以去更做深一步的研究。

举例
标准误在统计学中的应用十分广泛，以最简单的t检验为例，虽然t检验是应用最广泛的统计学方法之一，但很少有人思考过t值的意义。

以单样本t检验为例，我们发现t值公式的分母就是标准误，代表抽样误差，而分子是两均数的差值，也就是实际差异。

所以t值就是实际差异与抽样误差的比值，如果实际差异大，t值就大，抽样误差大，t值就小。

当t值大于某个临界值（可查表得出）时，我们更相信两组数据真的有差异，而不是抽样误差，结果就比较可靠，比如我们论文中常用的P＜0.05，反之亦然。

需要注意的一点是，虽然我们用t检验来举例，教科书也把标准误放在t检验的章节，但不代表标准误是均数独有的，也可以是率或其他统计量，因此说标准误是“均数的标准差”是片面的，更合理的说法是“统计量的标准差”。

so，关于“标准差”和“标准误”的区别，你get了吗？
扫码关注我们。