小知识：标准差与标准误的联系与区别

标准差表示数据的离散程度，或者说数据的波动大小。标准误表示抽样误差的大小。

统计教材上一般都写标准误表示均数的抽样误差，这对于初学者很难理解。这里通过举例来说明含义。
比如，有一个学校，学校中共有1000名学生，则这1000名学生可以作为这个学校学生的总体。如果我想了解所有学生的身高，采用随机抽样，抽取了50人。

这50人就是一个样本。这里需要注意：一个样本并不是指一个人，而是指一次抽样。一个样本可以是1个人，也可以是100人，这里的1和100就是样本大小。

从理论上讲，抽样误差表示这样的意思：即如果不止抽样一次，而是抽样10次，每次都50人，那么我就有10个均数和标准差。例如下图，大圈代表总体1000人，一个小圈代表一个样本，即50人。每个样本都能计算计算一个均数和标准差。

以这10个均数作为原始数据，仍然能计算出一个均数和标准差，以这10个均数计算出的标准差就称之为标准误。这是理论上的含义，实际的含义就代表抽样误差的大小，即抽取的样本代表性好不好，抽样误差越小，代表性越好，反之，代表性越差。

如果我对学校中的1000人都测量了身高，那理论上就没有标准误，也就是没有抽样误差了，因为我测量了总体，这时就不存在标准误了。但是标准差是存在的，因为这1000人的身高肯定不同，肯定会有波动。这里就充分表明了标准差和标准误的区别了。

标准差与标准误的意义、作用和使用范围均不同。标准差(亦称单数标准差）一般用s 表示,是表示个体间变异大小的指标,反映了整个样本对样本平均数的离散程度,是数据精密度的衡量指标;而标准误一般用S_x 表示,反映样本平均数对总体平均数的变异程度,从而反映抽样误差的大小,是量度结果精密度的指标。

样本标准差：

样本平均数的标准误：