Standardabweichungsrechner – Streuung als Stichprobe oder Population

Mathematik

Werte eingeben, zwischen Stichprobe und Grundgesamtheit wählen und Mittelwert, Varianz...

Quelle: Varianz- und Standardabweichungsrechnung für Stichprobe oder Grundgesamtheit mit Bessel-Korrektur über numerische ListenwerteStand: Juni 2026

Eingabe

Hier Werte eingeben und Optionen anpassen.

Überblick

Was ist der Standardabweichungsrechner?

Starte mit der kurzen Einordnung, bevor du Eingaben und Ergebnis interpretierst.

Eine Standardabweichung von 0,5 mm bei 50 mm Sollmaß bedeutet, dass 95 % der Teile zwischen 49 und 51 mm liegen — weit mehr als der Mittelwert allein je aussagen könnte. Dieser Rechner berechnet Standardabweichung, Varianz und Mittelwert und trennt sauber zwischen Stichprobe (÷n−1) und Grundgesamtheit (÷n).

Er berechnet Mittelwert, Varianz, Standardabweichung und Anzahl der Werte und trennt sauber zwischen Stichprobe und Grundgesamtheit. Damit erkennst du nicht nur die Mitte, sondern auch, ob die Werte eng beieinanderliegen oder deutlich schwanken.

Die Standardabweichung ist das gebräuchlichste Streuungsmaß in Wissenschaft, Qualitätssicherung, Finanzanalyse und Produktionskontrolle.

Sie gibt an, um wie viele Einheiten die Datenwerte im Durchschnitt vom Mittelwert abweichen, und ist damit direkt in derselben Einheit wie die ursprünglichen Daten angegeben, also beispielsweise in Euro, Kilogramm oder Minuten.

Eine kleine Standardabweichung bedeutet enge Streuung um den Mittelwert, eine große Abweichung zeigt, dass die Werte weit um die Mitte verteilt sind.

Bei einer Normalverteilung liegen etwa 68 Prozent der Werte innerhalb einer Standardabweichung vom Mittelwert, rund 95 Prozent innerhalb von zwei Standardabweichungen und nahezu alle Werte innerhalb von drei.

Dieser 68-95-99,7-Prozent-Richtwert hilft, das Ergebnis schnell in einen praktischen Kontext einzuordnen.

Eingaben

So nutzt du den Rechner

Hier siehst du, welche Werte erwartet werden und wie die Felder zusammenhängen.

Du gibst eine Liste numerischer Werte ein und wählst zusätzlich, ob du mit einer Stichprobe oder mit der vollständigen Grundgesamtheit rechnest. Wichtig ist, dass alle Werte in derselben Einheit vorliegen und dass die Wahl des Divisors fachlich passt.

Typische Fehler sind eine falsche Einordnung als Stichprobe oder Population und das Vermischen von Daten mit unterschiedlichem Messkontext. Überprüfe vor der Eingabe außerdem, ob alle Werte wirklich dieselbe Messgröße und Einheit beschreiben.

Auch Extremwerte sollten vor dem Einfügen fachlich bewertet werden: Ein einzelner Ausreißer kann die Standardabweichung erheblich vergrößern, wenn er auf einem Messfehler oder einem Sonderfall beruht, der nicht zur Grundgesamtheit gehört.

Berechnung

So funktioniert die Berechnung

Verstehe den Formelweg.

Standardabweichungsformel (RMS-Abweichung vom Mittelwert): Zuerst wird der Mittelwert gebildet. Dann werden alle Abweichungen zum Mittelwert quadriert und aufsummiert.

Für die Grundgesamtheit wird durch n geteilt, für die Stichprobe durch n−1; aus diesem Wert zieht der Rechner die Wurzel.

Beispiel: Bei 2, 4, 6, 8 und 10 liegt der Mittelwert bei 6, die Streuung wird über die quadrierten Abweichungen bestimmt und anschließend als Standardabweichung wieder in derselben Einheit wie die Daten ausgegeben.

Das Quadrieren der Abweichungen bewirkt, dass große Abweichungen stärker in die Berechnung einfließen als kleine, weil Quadratzahlen überproportional wachsen.

Genau das macht die Standardabweichung empfindlicher für Ausreißer als der MAD (mittlere absolute Abweichung).

Der Unterschied zwischen Division durch n und durch n−1 ist bei kleinen Stichproben von 5 bis 20 Werten besonders relevant und kann das Ergebnis um mehrere Prozent verschieben. Bei mehr als 50 Werten verschwindet dieser Unterschied praktisch.

Nachschlagen

Normalverteilung: Sigma-Regeln im Überblick

Die Sigma-Regeln beschreiben, welcher Anteil der Messwerte innerhalb eines bestimmten Abstands vom Mittelwert liegt – gültig bei normalverteilten Daten.

Sigma-Regeln der Normalverteilung: Bereich, Anteil der Werte und Alltagsbeispiele
Bereich	Anteil der Werte (%)	Wahrscheinlichkeit	Alltagsbeispiel
μ ± 1σ	68,27 %	≈ 2 von 3	Körpergröße: ~68 % der Menschen liegen im ±1σ-Band
μ ± 2σ	95,45 %	≈ 19 von 20	Produktionsfehler: 95 % der Teile liegen im Toleranzband
μ ± 3σ	99,73 %	≈ 997 von 1000	Six-Sigma-Qualität: nur 2,7 ‰ Ausreißer außerhalb
μ ± 4σ	99,9937 %	≈ 99994 von 100000	Extreme Qualitätssicherung in der Halbleiterfertigung
Außerhalb μ ± 3σ	0,27 %	≈ 3 von 1000	Seltene Extremwerte, gelten statistisch als Ausreißer

Quelle: Gaußsche Normalverteilung f(x) = (1 / (σ√(2π))) · e^(−(x−μ)²/(2σ²)). Gilt exakt nur bei perfekter Normalverteilung.

Hinweise

Wichtige Hinweise zur Nutzung

Schnelle Qualitätsprüfung für dein Ergebnis.

Lies die Standardabweichung nie isoliert. Erst zusammen mit Mittelwert, Anzahl und dem Blick auf mögliche Ausreißer wird klar, ob eine Abweichung klein, normal oder fachlich relevant ist.

Besonders wichtig ist der Vergleich zwischen Stichproben- und Grundgesamtheitsmodus bei kleinen Datensätzen.

Für einen schnellen Plausibilitätscheck hilft der 68-95-99,7-Richtwert bei normalverteilten Daten: Wenn mehr als 5 Prozent der Werte außerhalb des Bereichs Mittelwert ± 2 Standardabweichungen liegen, deutet das auf Ausreißer oder keine Normalverteilung hin.

Für Prozesskontrollen und Qualitätssicherung ist zusätzlich der Variationskoeffizient nützlich, um Streuungen bei verschiedenen Mittelwertgrößen direkt zu vergleichen.

Praxisbeispiel: Wenn eine Maschine Teile mit 50 mm Solllänge produziert und die Standardabweichung 0,5 mm beträgt, liegen 95 Prozent der Teile zwischen 49 und 51 mm.

Liegt die Toleranzgrenze bei ±1 mm, ist der Prozess beherrschbar; nähert sich die Standardabweichung 0,7 mm an, sind Out-of-Spec-Fehler wahrscheinlicher.

Anwendung

Praxisbeispiel und Einordnung

So wird das Ergebnis in einer realen Entscheidung nutzbar.

Praxisfall: Ein Lebensmittelhersteller prüft die Füllmenge von fünf Konserven: 498, 501, 500, 497 und 504 ml. Mittelwert: 500 ml. Abweichungen: −2, +1, 0, −3, +4. Quadrierte Abweichungen: 4, 1, 0, 9, 16. Varianz (Grundgesamtheit): 30 ÷ 5 = 6,0.

Standardabweichung: √6,0 ≈ 2,45 ml. Das bedeutet: Rund 68 % der Konserven liegen voraussichtlich zwischen 497,55 und 502,45 ml. Die Toleranzgrenze liegt bei ±5 ml – der Prozess ist regelkonform.

Allerdings nähert sich die einzelne Abweichung von +4 ml bereits der Grenze und sollte in der nächsten Prüfcharge beobachtet werden.

Für Qualitätsnormen wie Six Sigma ist die Standardabweichung die zentrale Kennzahl: Ein Six-Sigma-Prozess bedeutet, dass die Toleranzgrenzen mindestens sechs Standardabweichungen vom Sollwert entfernt liegen, was statistisch weniger als 3,4 Fehler pro Million Vorgänge erlaubt.

Eine Standardabweichung von mehr als 1,67 ml würde beim Lebensmittelhersteller bedeuten, dass der Prozess nicht mehr Six-Sigma-fähig ist.

Vertiefung

Häufige Fehler und fachliche Einordnung

Typische Anfängerfehler. Sicherer anwenden.

Typische Fehler sind erstens, eine kleine Liste wie die vollständige Grundgesamtheit zu behandeln und deshalb fälschlich durch n statt durch n−1 zu teilen. Zweitens wird die Standardabweichung oft wie ein Prozentwert gelesen, obwohl sie in derselben Einheit wie die Daten ausgegeben wird, also etwa in Euro, Minuten oder Kilogramm.

Drittens ziehen viele aus einem einzelnen Ausreißer sofort den Schluss, der ganze Datensatz streue stark, obwohl zuerst geklärt werden muss, ob Messfehler, Sonderfall oder echtes Muster vorliegt.

Ebenfalls falsch ist die Annahme, eine ähnliche Standardabweichung mache zwei Datensätze automatisch vergleichbar, wenn Mittelwert, Stichprobengröße oder Verteilungsform deutlich voneinander abweichen.

Außerdem wird bei sehr kleinen Gruppen, etwa n=3 oder n=4, die Standardabweichung oft als repräsentativ behandelt, obwohl sie bei so wenigen Werten noch stark schwankt und erst ab etwa n=30 verlässlich stabile Schätzungen liefert.

Nächster Schritt

Kurzfazit und nächster sinnvoller Schritt

Die Kernaussage für die direkte Weiterentscheidung.

Der Standardabweichungsrechner gibt Mittelwert, Varianz und Standardabweichung für deine Datenliste aus. Prüfe, ob die Abweichung innerhalb deiner Toleranzgrenze liegt, und vergleiche Stichproben- versus Grundgesamtheitsmodus bei kleinen Datensätzen.

Für eine vollständige Streuungsauswertung ergänze das Ergebnis durch einen Blick auf Minimum, Maximum und Ausreißer, bevor du die Standardabweichung in einem Bericht, einer Entscheidung oder einem Qualitätsprotokoll verwendest.

Bei kleinen Datensätzen unter 30 Werten sollte außerdem bewusst zwischen Stichproben- und Grundgesamtheitsmodus unterschieden werden, da der Unterschied rechnerisch relevant ist.

Für Langzeitvergleiche lohnt es sich außerdem, die Standardabweichung verschiedener Zeitperioden gegenüberzustellen, um Stabilitätstrends in Prozessen zu erkennen.

Vertiefung

Beispielrechnungen

Step-by-Step Walkthroughs. Realistische Szenarien.

Beispiel 1 · Einfach · Mittel: 101; Standardabweichung: ≈1,58

Streuung von Messwerten

Daten: 100, 102, 101, 103, 99
Typ: Stichprobe

Expertenmodus

Häufige Fragen zu Standardabweichungsrechner

Spezielle Fragen geklärt. Tiefer verstehen.

Was zeigt der Standardabweichungsrechner genau an?

Der Rechner zeigt Mittelwert, Varianz, Standardabweichung und die Anzahl der eingegebenen Werte an, und zwar getrennt nach Grundgesamtheit und Stichprobe.

Die Standardabweichung beschreibt, wie weit Beobachtungen typischerweise vom Mittelwert entfernt liegen, gemessen in der gleichen Einheit wie Ihre Daten. Je größer dieser Wert ist, desto unruhiger oder heterogener ist die Datenreihe.

Ein kleiner Wert bedeutet, dass die Messungen eng um den Mittelwert konzentriert sind und die Verteilung homogen verläuft.

Zusammen mit dem Mittelwert ergibt die Standardabweichung eine vollständige Grundbeschreibung der Datenverteilung und dient als Basis für weitere statistische Auswertungen wie die Prüfung auf Normalverteilung, die 68-95-99,7-Regel oder die Berechnung von Konfidenzintervallen.

So lässt sich aus zwei Kennzahlen, Mittelwert und Standardabweichung, bereits ein aussagekräftiges Bild der gesamten Messreihe gewinnen, ohne jeden Einzelwert betrachten zu müssen.

Wann wähle ich Stichprobe und wann Grundgesamtheit?

Grundgesamtheit ist korrekt, wenn alle relevanten Werte vollständig vorliegen, etwa die Noten einer gesamten Klasse oder alle Messwerte einer abgeschlossenen Produktionsserie.

Stichprobe ist korrekt, wenn Ihre Liste nur ein Ausschnitt einer größeren Menge ist, etwa eine Umfrage mit 100 von 10.000 Kunden oder ein paar Füllmengen aus einer laufenden Konservenproduktion.

Bei der Stichprobe nutzt der Rechner die Bessel-Korrektur und teilt bei der Varianz durch n−1 statt durch n.

Diese Korrektur verhindert eine systematische Unterschätzung der Streuung in der Gesamtpopulation, weil eine Stichprobe die tatsächliche Varianz tendenziell unterschätzt.

Der Unterschied wirkt sich vor allem bei kleinen Datenmengen spürbar aus: Bei nur fünf Werten verändert der Wechsel von n auf n−1 das Ergebnis deutlich, während er bei mehreren tausend Werten kaum noch ins Gewicht fällt.

Wählen Sie also bewusst, ob Ihre Liste die gesamte Menge oder nur einen Auszug abbildet, denn diese Entscheidung bestimmt die Formel.

Wie lautet die Formel für die Standardabweichung in Klartext?

Zuerst wird der arithmetische Mittelwert aller Einträge berechnet, also die Summe geteilt durch die Anzahl der Werte. Dann werden die Abweichungen jedes einzelnen Werts vom Mittelwert bestimmt, quadriert und aufsummiert.

Für die Grundgesamtheit wird diese Summe durch n geteilt, für die Stichprobe durch n−1 (Bessel-Korrektur). Das Ergebnis ist die Varianz, ausgedrückt in einer quadrierten Einheit.

Aus dieser Varianz zieht der Rechner anschließend die Quadratwurzel, und das Ergebnis ist die Standardabweichung in der Originaleinheit.

Diese Rückführung in die Ausgangseinheit ist der entscheidende Vorteil der Standardabweichung gegenüber der Varianz bei der praktischen Interpretation.

Ein kurzes Beispiel: Bei den Werten 2, 4 und 6 ist der Mittelwert 4, die quadrierten Abweichungen sind 4, 0 und 4, summiert ergibt das 8, geteilt durch n gleich 3 ergibt eine Varianz von etwa 2,67 und damit eine Standardabweichung von rund 1,63.

Wie interpretiere ich eine niedrige oder hohe Standardabweichung?

Eine niedrige Standardabweichung bedeutet, dass die Messwerte eng um den Mittelwert konzentriert sind und die Verteilung homogen ist.

Eine hohe Standardabweichung zeigt breite Schwankungen oder starke Unterschiede innerhalb der Daten und deutet auf eine heterogene Reihe hin.

Belastbar wird diese Interpretation erst zusammen mit dem Mittelwert, der Datengröße und dem fachlichen Kontext.

Ein Wert von 5 Euro Standardabweichung bei einem Mittelwert von 10 Euro bedeutet etwas anderes als bei einem Mittelwert von 1.000 Euro, weil die Streuung im ersten Fall die Hälfte des Mittelwerts ausmacht und im zweiten Fall nur ein halbes Prozent.

Deshalb wird häufig zusätzlich der Variationskoeffizient berechnet, der die Standardabweichung ins Verhältnis zum Mittelwert setzt.

Bei annähernder Normalverteilung hilft außerdem die 68-95-99,7-Regel: Etwa 68 Prozent der Werte liegen innerhalb einer Standardabweichung um den Mittelwert, rund 95 Prozent innerhalb von zwei und etwa 99,7 Prozent innerhalb von drei Standardabweichungen.

Warum hat die Standardabweichung dieselbe Einheit wie meine Daten?

Weil am Ende die Wurzel aus der Varianz gezogen wird. Die Varianz hat eine quadrierte Einheit, zum Beispiel Euro zum Quadrat oder Zentimeter zum Quadrat, und ist deshalb anschaulich schwer zu deuten.

Durch das Wurzelziehen geht die Einheit von der quadrierten Form wieder in die Ausgangseinheit zurück, also zurück zu Euro, Punkten oder Zentimetern.

Deshalb ist die Standardabweichung in Berichten und Präsentationen oft viel besser interpretierbar als die Varianz selbst, weil sie direkt mit den ursprünglichen Messwerten und dem Mittelwert verglichen werden kann.

Der Variationskoeffizient CV gleich Sigma geteilt durch den Mittelwert ergänzt diesen Vorteil um eine dimensionslose Relativgröße, die normierte Streuung prozentual ausdrückt und Messreihen mit unterschiedlichen Maßstäben vergleichbar macht, ohne auf eine gemeinsame Einheit angewiesen zu sein.

Wann sollte ich einen Ausreißer getrennt prüfen, bevor ich die Streuung bewerte?

Ausreißer wirken auf die Standardabweichung besonders stark, weil ihre Abweichungen vor der Mittelung quadriert werden. Quadrieren verstärkt große Abstände überproportional gegenüber kleinen.

Schon wenige extreme Beobachtungen können die Standardabweichung deutlich anheben, obwohl der Großteil der Daten eng beisammen liegt.

Wenn die Standardabweichung unerwartet hoch erscheint, sollten die einzelnen Extremwerte fachlich geprüft werden: Sind sie Messtehler, Sonderfälle oder tatsächlich repräsentative Ausreißer der Grundgesamtheit?

Standardisierte Ausreißertests wie der Grubbs-Test oder die z-Score-Methode helfen dabei: Ein z-Score von z = (x − x̄) / σ mit einem Absolutwert ab 3 gilt in der Praxis als Warnschwelle für potenzielle Extrembeobachtungen.

Robuste Alternativen wie der Median und der Interquartilabstand IQR reagieren deutlich weniger sensitiv auf einzelne Spitzenwerte.

Welche Eingaben braucht der Rechner für ein brauchbares Ergebnis?

Sie brauchen die vollständige Zahlenreihe in einer einheitlichen Maßeinheit sowie die richtige Auswahl zwischen Stichprobe und Grundgesamtheit.

Bereits aggregierte Kennzahlen wie nur Mittelwert und Spannweite reichen nicht aus, weil der Rechner die Einzelabweichungen jedes Wertes vom Mittelwert benötigt. Typische Quellen sind Messprotokolle, Notenlisten, Preisreihen oder Umfragedaten.

Achten Sie darauf, dass alle Werte dieselbe Einheit haben und keine Komma-Trennzeichenfehler die Zahlen verfälschen.

Fehlende Beobachtungen sollten vor der Eingabe entweder durch Imputationsverfahren ersetzt oder als eigenständige Teilstichprobe separat ausgewertet werden, weil Lücken in der Datenliste die Streuungsschätzung systematisch unterschätzen können.

Zudem sollte die Skalierung homogen sein: Das Mischen von absoluten und relativen Werten, etwa Kilogramm neben Prozentwerten, liefert rechnerisch zwar ein Ergebnis, das aber statistisch bedeutungslos ist.

Warum unterscheiden sich Excel und der Rechner manchmal leicht?

Der häufigste Grund ist die Verwechslung von Stichprobe und Grundgesamtheit: Excel unterscheidet zwischen STABW.S für die Stichprobenformel (Divisor n−1) und STABW.N für die Grundgesamtheitsformel (Divisor n).

Zusätzlich erzeugen unterschiedliche Rundungsregeln in Zwischenschritten kleine Differenzen, insbesondere wenn viele Dezimalstellen im Spiel sind.

Wenn Datensatz, Divisor und Rundungslogik identisch sind, sollten die Ergebnisse beider Methoden praktisch übereinstimmen und nur im letzten Nachkommabereich differieren.

In Python liefert numpy.std() standardmäßig die Grundgesamtheitsvariante mit Divisor n, während pandas.Series.std() die Stichprobenkorrektur mit n−1 anwendet; in R verwendet sd() ebenfalls Divisor n−1.

Diese Bibliotheksunterschiede sind eine häufige Fehlerquelle, wenn Analysen zwischen Softwareumgebungen portiert werden, da der gewählte Divisor die Streuungsschätzung bei kleinen Stichproben spürbar beeinflusst.

Weiterführende Rechner und Themen

Alle Anschlussrechner und Vertiefungen in einem klaren Modul, damit du direkt zur nächsten sinnvollen Berechnung springen kannst.

Durchschnitt berechnenDen zugrunde liegenden Mittelwert separat ermitteln.Varianz berechnenDas Quadrat der Standardabweichung als Varianz ausgeben.ProzentrechnerProzentwert, Prozentsatz oder Grundwert berechnen – universeller Prozentrechner.DreisatzrechnerGerader und ungerader Dreisatz für proportionale und antiproportionale Zusammenhänge.MedianrechnerMedian und Modus einer Wertegruppe berechnen – inklusive Sortierung und Einordnung.WahrscheinlichkeitsrechnerEinfache Wahrscheinlichkeiten berechnen, Gegenereignis, bedingte Wahrscheinlichkeit und Laplace-Experiment.BruchrechnerZwei Brüche addieren, subtrahieren, multiplizieren oder dividieren – mit automatischem Kürzen, gemischter Zahl, Dezimalwert und Rechenweg.Statistik Rechner gezielt auswählenDirekter Hub für weitere Rechner aus Statistik mit demselben Themenkontext.Mathematik als Themenhub weiter öffnenCluster-Wechsel in benachbarte Themen derselben Kategorie.Standardabweichungsrechner über alle Filter weiter eingrenzenSuche für weitere Varianten, Kategorien und Rechentypen mit ähnlichem Intent.