Стандартное отклонение: метрика разброса результатов

Стандартное отклонение (σ) является фундаментальной статистической метрикой, характеризующей степень рассеяния значений случайной величины вокруг математического ожидания. Формально σ определяется как квадратный корень из дисперсии: σ = √(D[X]) = √(E[(X − μ)²]), где μ = E[X]. Для выборочного стандартного отклонения применяется поправка Бесселя: s = √(Σ(xᵢ − x̄)² / (n − 1)), обеспечивающая несмещённость оценки дисперсии. Размерность σ совпадает с размерностью исходной величины, что делает его более интуитивно интерпретируемым по сравнению с дисперсией.

В контексте нормального распределения N(μ, σ²) стандартное отклонение приобретает особую интерпретацию через правило трёх сигм. Согласно данному правилу: P(μ − σ ≤ X ≤ μ + σ) ≈ 0.6827, P(μ − 2σ ≤ X ≤ μ + 2σ) ≈ 0.9545, P(μ − 3σ ≤ X ≤ μ + 3σ) ≈ 0.9973. Это означает, что для нормально распределённых данных выход за пределы 3σ является событием с вероятностью менее 0.27%, что может свидетельствовать о наличии систематической ошибки или аномалии. Для распределений, отличных от нормального, аналогичные вероятностные границы устанавливаются через неравенство Чебышёва: P(|X − μ| ≥ kσ) ≤ 1/k².

Доверительные интервалы для математического ожидания строятся на основе стандартного отклонения и объёма выборки. При известном σ и нормальном распределении: μ ∈ [x̄ − z_{α/2}·σ/√n, x̄ + z_{α/2}·σ/√n] с вероятностью 1 − α. При неизвестном σ применяется распределение Стьюдента с (n − 1) степенями свободы: μ ∈ [x̄ − t_{α/2,n−1}·s/√n, x̄ + t_{α/2,n−1}·s/√n]. Ширина доверительного интервала обратно пропорциональна √n, что определяет минимальный объём выборки для достижения заданной точности. Для оценки σ с относительной погрешностью δ необходимо не менее n ≈ 2/δ² наблюдений.

Практическое применение стандартного отклонения в аналитических системах включает оценку краткосрочной волатильности и построение прогнозных моделей. Стандартное отклонение суммы n независимых одинаково распределённых величин равно σ_sum = σ·√n, что позволяет прогнозировать диапазон возможных результатов для серии итераций. Z-скор конкретного результата вычисляется как z = (x − μ·n) / (σ·√n) и показывает, насколько результат отклонился от ожидаемого. Критические значения z-скора (|z| > 3) сигнализируют о статистически аномальных отклонениях, требующих дополнительного анализа целостности алгоритма генерации.