标准差也被称为标准偏差，或者实验标准差。简单来说，标准差是一组数据平均值分散程度的一种度量。一个较大的标准差，代表大部分数值和其平均值之间差异较大；一个较小的标准差，代表这些数值较接近平均值。一般来说标准差较小为好，这样代表比较稳定。
扩展资料：
标准差是在概率统计中最常使用作为统计分布程度上的测量。标准差定义为方差的算术平方根，反映组内个体间的离散程度。测量到分布程度的结果，原则上具有两种性质：一个总量的标准差或一个随机变量的标准差，及一个子集合样品数的标准差之间，有所差别。
标准差也称均方差，是各数据偏离平均数的距离的平均数，它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。标准差可以反映平均数不能反映出的东西（比如稳定度等）。
标准差可以当作不确定性的一种测量。例如在物理科学中，做重复性测量时，测量数值集合的标准差代表这些测量的精确度。
当要决定测量值是否符合预测值，测量值的标准差占有决定性重要角色：如果测量平均值与预测值相差太远（同时与标准差数值做比较），则认为测量值与预测值互相矛盾。这很容易理解，因为如果测量值都落在一定数值范围之外，可以合理推论预测值是否正确。
参考资料：百度百科-标准差
因为正态分布有两个参数，均数和标准差，均数用来描述曲线的位置，标准差用来描述曲线的形状，标准差越大，说明观察资料越分散，靠近两边的观察值越多，峰值越低，曲线越低平。
一般的正态分布都可以通过变量变换变成标准正态分布（u分布），变换的公式为$u=(X-mu)/(sigma)$,如果从正态分布总体中抽取多个样本均数，这些样本均数的分布也是正态分布资料，均数为μ，标准差为$sigma_barX$，表达式为$u=(bar X-mu)/(sigma_bar X)$,但是$sigma_bar X$经常不知道，所以用$S_bar X$来代替，就得到了t分布。
$t=(bar X-mu)/(S_bar X)$,t分布由于都以0为中心，故只有一个参数就是自由度$nu$，自由度越大，样本含量越多，抽取出来的这个总体和原来的总体越接近，所以t分布当自由度越大时，峰值越高，越接近标准正态分布。当自由度无穷大时，理论上和标准正态分布重合。
图形特征
集中性：正态曲线的高峰位于正中央，即均数所在的位置。
对称性：正态曲线以均数为中心，左右对称，曲线两端永远不与横轴相交。
均匀变动性：正态曲线由均数所在处开始，分别向左右两侧逐渐均匀下降。
曲线与横轴间的面积总等于1，相当于概率密度函数的函数从正无穷到负无穷积分的概率为1。即频率的总和为100%。
关于μ对称，并在μ处取最大值，在正（负）无穷远处取值为0，在μ±σ处有拐点，形状呈现中间高两边低，正态分布的概率密度函数曲线呈钟形，因此人们又经常称之为钟形曲线。
