標準誤差計算器：如何計算平均數與比例的標準誤差（SE）
標準誤差計算器回答的是一個很具體的統計問題：在已知樣本標準差與樣本數的情況下，樣本平均數或樣本比例作為母體真實值的估計值，究竟有多精確？學生與研究人員在建立信賴區間、進行假設檢定，或在實驗報告、問卷調查與研究論文中報告誤差範圍時，都會用到標準誤差計算器。本指南會從零開始教你標準誤差公式，用實際數字示範平均數與比例的多個例題，並清楚說明如何解讀並運用標準誤差計算器算出來的結果。
目錄
什麼是標準誤差？
標準誤差（SE）衡量的是：由於隨機抽樣的緣故，一個樣本統計量（通常是樣本平均數或樣本比例）預期會與母體真實值相差多少。想像你從同一個母體中反覆抽出許多組相同大小的隨機樣本，並計算每一組的平均數。這些樣本平均數不會完全相同，它們會散布在母體真實平均數的周圍，有些略高、有些略低。這些樣本平均數散布程度的標準差，就是標準誤差。標準誤差計算器只需要一組樣本，不必真的收集上百組樣本，就能透過兩個數字估計出這種散布程度：樣本標準差與樣本數。標準誤差越小，代表你手上這一個樣本平均數越可能精確地反映母體真實平均數。標準誤差在課堂以外也隨處可見——政治民調報告的「誤差範圍」就是直接由 SE 推導而來，臨床試驗用 SE 判斷治療效果究竟是真實存在還是只是雜訊，品質管制團隊則用它來判斷生產線是真的發生偏移，還是只是正常的抽樣變異。這一切都與中央極限定理相關：隨著樣本數增加，不論原始母體的分布形狀為何，樣本平均數的分布都會趨近常態分布；這正是為什麼在 n 夠大時（一般以 n ≥ 30 作為經驗法則），SE 公式與由它建立的 z 信賴區間能如此可靠地運作。
平均數的標準誤差公式：SE = s ÷ √n，其中 s 是樣本標準差，n 是樣本數。
標準誤差計算器是如何運作的？
每一個標準誤差計算器所需要的核心輸入都相同，而輸出則會依你處理的是平均數還是比例而略有不同。了解輸入什麼、輸出什麼，能讓你更容易正確設定題目——不論你是要手算 SE，還是事後用計算器驗算。
1. 標準誤差計算器需要的輸入
若處理平均數：樣本標準差（s）與樣本數（n）。若處理比例：樣本比例（p̂，讀作 p-hat）與樣本數（n）。若你打算用結果建立信賴區間，有些計算器還會要求輸入信賴水準（例如 90%、95% 或 99%）；也有些計算器允許你直接輸入原始資料，由它先幫你算出 s。
2. 標準誤差計算器可以輸出的結果
SE——標準誤差本身；對平均數而言，其單位與原始資料相同（分鐘、分數、元），對比例而言則以比例或百分比表示。誤差範圍——SE 乘上所選信賴水準對應的臨界值（z 或 t）。信賴區間上下界——點估計值加減誤差範圍，可直接以區間形式報告。有些計算器還會報告平均數的變異係數（SE 除以平均數，以百分比表示），這在比較不同單位資料集的精確度時很有用。
3. 為什麼你仍然應該學會手算方法
作業、實驗報告與考試幾乎都要求你寫出完整設定——先辨識出 s（或 p̂）與 n，再代入公式——而不只是從標準誤差計算器抄下一個小數。親手推導公式也能建立直覺，這在你之後學信賴區間、t 檢定，以及理解新聞報導中民調與研究的誤差範圍說法時都非常重要。
如何一步一步計算平均數的標準誤差？
學會標準誤差公式最清楚的方法，就是用實際數字走一遍例題。以下是統計學與研究方法作業中常出現的課堂情境，接著再看第二個例子，讓你看見同樣的模式如何在不同數字上重複出現。
1. 設定題目
一位老師記錄了隨機挑選的 25 名學生完成小考所花的時間（單位：分鐘）。這些時間的樣本標準差為 s = 12 分鐘，樣本數為 n = 25。求平均數的標準誤差。
2. 先取樣本數的平方根
√n = √25 = 5。
3. 用樣本標準差除以這個平方根
SE = s ÷ √n = 12 ÷ 5 = 2.4 分鐘。
4. 解讀結果
純粹因為抽樣變異，樣本平均作答時間預期平均會與母體真實平均數相差約 2.4 分鐘。標準誤差計算器會瞬間回傳同樣的 2.4，但現在你能自己驗證這個數字，並寫出完整過程。
5. 第二個例題：考試分數
某大學系所抽樣了 64 名學生的期末考成績，得到樣本標準差 s = 16 分。SE = 16 ÷ √64 = 16 ÷ 8 = 2 分。雖然個別成績在樣本平均數上下變動達 16 分，但樣本平均數本身對母體真實平均成績的估計誤差只有約 2 分。
SE = s ÷ √n = 12 ÷ 5 = 2.4 分鐘
標準誤差與標準差有什麼不同？
標準差（SD）與標準誤差（SE）是初級統計學中最容易被混淆的兩個名詞，而搞混它們也是閱卷老師最常看到的錯誤之一。標準差描述的是單一樣本或母體「內部」個別數值的分散程度——它回答「每一筆資料的變異有多大？」標準誤差描述的則是：如果你把抽樣程序重複很多次，那些樣本平均數會有多分散——它回答「我對母體平均數的估計有多精確？」兩者在計算時都用到同一個樣本標準差，但 SE 還額外考慮了你收集了多少資料。
1. 標準差大致維持不變
在小考的例子中，s = 12 分鐘描述的是個別學生的作答時間在樣本平均數附近的變動程度。這個數字不會因為你測了更多學生就變小——它是底層資料分散程度的性質，而不是你收集多少資料的性質。
2. 標準誤差會隨樣本數增加而變小
當 n = 25 時，SE = 12 ÷ √25 = 2.4。如果老師改為抽樣 n = 100 名學生（且 s 仍約為 12），則 SE = 12 ÷ √100 = 12 ÷ 10 = 1.2——只有原來的一半，因為更大的樣本能對真實平均數給出更可靠的估計，即使個別學生的作答時間變異程度和以前一樣大。
3. 你該報告哪一個？
當你在描述資料本身的分散程度時，報告標準差（例如「作答時間差異很大，SD = 12 分鐘」）。當你在描述某個估計值的精確度時——例如樣本平均數、迴歸係數或民調中的比例——則報告標準誤差（例如「估計平均數為 42 分鐘，SE = 2.4」）。
標準差衡量資料內部的分散程度；標準誤差衡量你對平均數估計的精確度。
為什麼樣本數會影響標準誤差？
在標準誤差公式中，樣本數 n 位於平方根之下，因此它對 SE 的影響並非一比一，而是遵循「反平方根」的關係。這個源自中央極限定理的事實，說明了為什麼研究人員即使成本高昂、耗時費力也仍要追求更大的樣本數，也說明了為什麼不斷增加資料的效益最終會遞減。
1. n = 25
SE = 12 ÷ √25 = 12 ÷ 5 = 2.4。
2. n = 100（樣本數為原來的 4 倍）
SE = 12 ÷ √100 = 12 ÷ 10 = 1.2——恰好是 2.4 的一半，即使樣本數是變成 4 倍而不是 2 倍。
3. n = 400（樣本數為原來的 16 倍）
SE = 12 ÷ √400 = 12 ÷ 20 = 0.6——是原本 2.4 的四分之一，因為 400 是 25 的 16 倍，而 √16 = 4。
4. 為什麼民調很少訪問超過幾千人
這種效益遞減也是為什麼全國性民調常常止步於 n = 1,000–1,500 名受訪者：從 1,000 人增加到 4,000 人只能把誤差範圍縮小一半，訪查成本卻大約變成四倍。超過某個程度後，其他誤差來源——例如未回應偏誤或題目措辭不佳——的影響會比繼續縮小 SE 更關鍵。
要把標準誤差縮小一半，你必須把樣本數變成四倍——SE 與 √n 成反比，而不是與 n 成反比。
如何計算比例的標準誤差？
問卷、民調與是／否型實驗使用的是公式的另一個版本，因為資料是比例（例如「回答『是』的百分比」）而不是連續測量值（例如時間或重量）。比例版本的標準誤差，正是每一份民調所報告誤差範圍背後的公式。
1. 設定題目
一份校園問卷詢問 200 名學生是否支持新的圖書館政策。有 120 名學生回答支持，因此樣本比例為 p̂ = 120 ÷ 200 = 0.6。求這個比例的標準誤差。
2. 計算 p̂(1 − p̂)
p̂(1 − p̂) = 0.6 × 0.4 = 0.24。
3. 除以 n，再取平方根
0.24 ÷ 200 = 0.0012。√0.0012 ≈ 0.0346。
4. 解讀結果
SE ≈ 0.0346，約為 3.46 個百分點。這代表全體學生中支持該政策的真實比例很可能接近 60%，僅因抽樣變異就可能上下浮動約 3.5 個百分點。
5. 第二個比例例題：品質管制
某工廠檢驗 500 件產品，發現 25 件不良品，因此 p̂ = 25 ÷ 500 = 0.05。SE = √[0.05 × 0.95 ÷ 500] = √[0.0475 ÷ 500] = √0.000095 ≈ 0.0097，約 0.97 個百分點——比圖書館問卷的估計精確得多，因為一方面 n 更大，另一方面 p̂ 更接近 0（或 1），這會使 p̂(1 − p̂) 變小。
比例的標準誤差：SE = √[p̂(1 − p̂) ÷ n]
可以用標準誤差計算器建立信賴區間嗎？
可以——標準誤差是每一個信賴區間的基本組成元素。算出 SE 之後，你只要把它乘上對應信賴水準的臨界值，就能得到誤差範圍，再把這個範圍從點估計值加減即可。大樣本情況下最常用的臨界值為：90% 信賴水準用 z = 1.645，95% 用 z = 1.96，99% 用 z = 2.576；小樣本（大致上 n < 30）則應改用 t 臨界值而非 z。
1. 先取得點估計值與其 SE
以小考的例子來說：樣本平均數 x̄ = 42 分鐘，SE = 2.4 分鐘（由 n = 25 得出）。
2. 為信賴水準選擇臨界值
在樣本數夠大的情況下，建立 95% 信賴區間時使用 z = 1.96。
3. 把 SE 乘上臨界值得到誤差範圍
誤差範圍 = 1.96 × 2.4 ≈ 4.7 分鐘。
4. 從點估計值加減
95% 信賴區間 = 42 ± 4.7 = (37.3, 46.7)。你可以有 95% 的信心認為，母體真實平均作答時間落在約 37.3 到 46.7 分鐘之間。
5. 並排比較不同信賴水準
在 90% 信賴水準下：誤差範圍 = 1.645 × 2.4 ≈ 3.9，得到 (38.1, 45.9)——區間較窄，但把握較低。在 99% 信賴水準下：誤差範圍 = 2.576 × 2.4 ≈ 6.2，得到 (35.8, 48.2)——區間較寬，但把握較高。信賴水準越高，區間必然越寬，因為它必須涵蓋更多可能的抽樣結果。
95% 信賴區間 = 點估計值 ± 1.96 × SE
什麼時候該報告標準誤差，而不是信賴區間？
SE 與信賴區間都在傳達不確定性，但它們適合的讀者與呈現形式不同。科學論文常在表格與圖形中把平均數與其 SE 一起呈現（寫成 x̄ ± SE），尤其是長條圖與折線圖上的誤差線，因為這種寫法精簡，也讓讀者能自行依任何信賴水準推算區間。對一般讀者或用於呈現主要結論時，信賴區間通常更好，因為「37.3 到 46.7 分鐘，95% 信賴水準」比單獨一個 SE = 2.4 更容易一眼看懂。經驗法則是：在版面緊湊的技術表格與多圖面板中使用原始 SE，而在陳述單一關鍵結論時使用完整的信賴區間。
使用標準誤差計算器時常見的錯誤有哪些？
多數標準誤差的錯誤來自混淆公式或漏掉步驟，而不是數學太難。請留意以下五個錯誤。第六個較細微的錯誤是：把大樣本的 z 臨界值（例如 1.96）用在 n 遠小於 30 的小樣本上——在那種情況下，來自 t 分布的 t 臨界值更寬也更適當，因為它考慮了用小樣本估計 s 時額外的不確定性。
1. 混淆 SD 與 SE
把標準差當成衡量平均數精確度的指標來報告，會誇大一個抽樣良好的平均數實際上的不確定性，或在樣本小、雜訊大時反而低估它。請隨時自問：我描述的是原始資料的分散程度（SD），還是估計值的精確度（SE）？
2. 忘記取平方根
用 s 除以 n 而不是除以 √n，會得到遠遠偏小的標準誤差——當 n = 25 時，這個錯誤會算出 12 ÷ 25 = 0.48，而不是正確的 2.4，足足低估五倍，使信賴區間看起來比實際緊密許多。
3. 在比例問題中用錯公式
把比例（介於 0 與 1 之間的數）代入平均數公式，或把原始次數代入比例公式，都會得到毫無意義的結果。平均數用 s ÷ √n；比例用 √[p̂(1−p̂) ÷ n]。
4. 中間值過早四捨五入
在做除法之前就把 √n 或 p̂(1−p̂) 四捨五入到小數點後一位，會使最終 SE 以及由它建立的信賴區間產生偏移。請至少保留 3–4 位小數直到最後答案，只在最後一步才四捨五入。
5. 把 SE 當成單一新觀測值的預測區間
由 SE 建立的信賴區間描述的是母體平均數的可能範圍，而不是單一新個體測量值會落在哪裡——後者需要更寬的預測區間，且是直接根據 s 建立，而不是 SE。
練習題：測試你的標準誤差實力
先自己手算這些題目，再用標準誤差計算器檢查你的過程。以下附上完整解答，方便你逐步驗證。
1. 題目 1——平均數，n = 16
一組 16 筆測量值的樣本，s = 8。求 SE。解答：SE = 8 ÷ √16 = 8 ÷ 4 = 2。
2. 題目 2——平均數，n = 49
一組 49 筆測量值的樣本，s = 21。求 SE。解答：SE = 21 ÷ √49 = 21 ÷ 7 = 3。
3. 題目 3——比例，n = 150
一份針對 150 人的問卷得到 p̂ = 0.3。求 SE。解答：SE = √[0.3 × 0.7 ÷ 150] = √[0.21 ÷ 150] = √0.0014 ≈ 0.0374，約 3.74 個百分點。
4. 題目 4——樣本數變成四倍的效果
一組 n = 36 的樣本，s = 18，得到 SE = 18 ÷ √36 = 18 ÷ 6 = 3。如果樣本數增加到 n = 144（4 倍大），且 s 仍約為 18，則新的 SE = 18 ÷ √144 = 18 ÷ 12 = 1.5——恰好是原本 3 的一半，證實樣本數變成四倍會使 SE 減半。
5. 題目 5——建立 95% 信賴區間
一組 n = 81 的樣本，平均數 x̄ = 50，s = 27。先求 SE = 27 ÷ √81 = 27 ÷ 9 = 3。接著 95% 信賴區間 = 50 ± (1.96 × 3) = 50 ± 5.88 = (44.12, 55.88)。
6. 題目 6——比較兩個比例的精確度
問卷 A：n = 100，p̂ = 0.5，所以 SE = √[0.5 × 0.5 ÷ 100] = √0.0025 = 0.05。問卷 B：n = 400，p̂ = 0.5，所以 SE = √[0.5 × 0.5 ÷ 400] = √0.000625 = 0.025。問卷 B 的精確度是問卷 A 的兩倍，因為它的樣本數是 4 倍，符合反平方根關係。
相關文章
相關數學解題工具
逐步解題
清楚呈現標準誤差計算的每一個步驟——取平方根、做除法，以及最後的結果解讀。
智慧掃描解題
拍下標準誤差或信賴區間的題目，立即取得完整詳解。
AI 數學家教
針對標準誤差、信賴區間，或何時該用 SE 而非標準差等問題，隨時追問。