SD与SEM有区别吗

SD：标准差（StandardDeviation），又常称均方差，标准差是离均差平方和平均后的方根，用σ表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的，标准差未必相同。

SEM：标准误（StandardErrorofMean），即样本均数的标准差，是描述均数抽样分布的离散程度及衡量均数抽样误差大小的尺度，反映的是样本均数之间的变异。标准误不是标准差，是多个样本平均数的标准差。

标准差与标准误都是数理统计学的内容，两者不但在字面上比较相近，而且两者都是表示距离某一个标准值或中间值的离散程度，即都表示变异程度，但是两者是有着较大的区别的。

首先要从统计抽样的方面说起。

标准差：表示的就是样本数据的离散程度。标准差就是样本平均数方差的开平方，标准差通常是相对于样本数据的平均值而定的，通常用M±SD来表示，表示样本某个数据观察值相距平均值有多远。从这里可以看到，标准差受到极值的影响。标准差越小，表明数据越聚集；标准差越大，表明数据越离散。标准差的大小因测验而定，如果一个测验是学术测验，标准差大，表示学生分数的离散程度大，更能够测量出学生的学业水平；如果一个测验测量的是某种心理品质，标准差小，表明所编写的题目是同质的，这时候的标准差小的更好。标准差与正态分布有密切联系：在正态分布中，1个标准差等于正态分布下曲线的68.26%的面积，1.96个标准差等于95%的面积。这在测验分数等值上有重要作用。

标准误：表示的是抽样的误差。因为从一个总体中可以抽取出无数多种样本，每一个样本的数据都是对总体的数据的估计。标准误代表的就是当前的样本对总体数据的估计，标准误代表的就是样本均数与总体均数的相对误差。标准误是由样本的标准差除以样本容量的开平方来计算的。从这里可以看到，标准误更大的是受到样本容量的影响。样本容量越大，标准误越小，那么抽样误差就越小，就表明所抽取的样本能够较好地代表总体。

拓展资料

标准差（StandardDeviation），在概率统计中最常使用作为统计分布程度（statisticaldispersion）上的测量。标准差定义是总体各单位标准值与其平均数离差平方的算术平均数的平方根。它反映组内个体间的离散程度。

假设有一组数值X1,X2,X3,......XN（皆为实数），其平均值（算术平均值）为μ，

标准差也被称为标准偏差，或者实验标准差，公式为

标准误用来衡量抽样误差。标准误越小，表明样本统计量与总体参数的值越接近，样本对总体越有代表性，用样本统计量推断总体参数的可靠度越大。因此，标准误是统计推断可靠性的指标。

一、意思不同

mean都是平均数。

SD全称standard deviation标准差，又常称均方差，是离均差平方的算术平均数的平方根，用σ表示。

SEM是standard error of mean是平均数的抽样误差，反应平均数的抽样准确性。

二、用法不同

SEM计估计值的准确性无法度量，但利用统计学方法可以度量精确性。试验的误差来源有系统误差和抽样误差，系统误差易于克服，抽样误差由许多无法控制的内因和外因，带有偶然性，在试验中即使十分小心也难以消除，但可以通过增加重复数来来降低。

对于重复数少的小样本（n≤30）用mean ± S.E.M.，重复数多的大样本（n＞30）用 mean ± SD。

三、类型不同

标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的，标准差未必相同。

标准误是由样本的标准差除以样本容量的开平方来计算的。标准误更大的是受到样本容量的影响。样本容量越大，标准误越小，那么抽样误差就越小，就表明所抽取的样本能够较好地代表总体。

一、含义不同

mean表示都是平均数。

SEM是standard error of mean是平均数的抽样误差，反应平均数的抽样准确性。

SD全称standard deviation标准差，又常称均方差，是离均差平方的算术平均数的平方根，用σ表示。

二、用法不同

SEM计估计值的准确性无法度量，但可以用统计方法来测量。

测试的误差来源包括系统误差和采样误差，这些误差很容易克服，采样误差是由许多无法控制的内部和外部因素引起的，这些因素都是偶然的，即使在测试中非常小心也很难消除，但可以通过增加重复次数来减少。

小样本（n≤30）取平均值±标准差，大样本（n>30）取平均值±标准差。

三、类型不同

标准差是方差的算术平方根。标准差可以反映数据集的离散程度。如果平均值相同，则标准差可能不相同。

标准误差是用样品的标准偏差除以样品容量的平方根来计算的，标准误差受样本量影响较大，样本量越大，标准误差越小，抽样误差越小，说明样本能够更好地代表种群。

---