是指“對同一被測量做n次測量，表征測量結果分散性的量s可按下式算出:
式中:xi為第i次測量的結果； 為所考慮的n次測量結果的算術平均值”。
對同一被測量做有限的n次測量，其中任何一次的測量結果或觀測值，都可視作無窮多次測量結果或總體的一個樣本。數理統計方法就是要通過這個樣本所獲得的信息(例如算術平均值 和實驗標準差s等)，來推斷總體的性質(例如期望μ和方差σ2等)。定義注1中指出:當將n個值視作分布的取樣時,x為該分大上的期望的無偏差估計,s2為該分布的方差σ2的無偏差估計。其中期望是通過無窮多次測量所得的觀測值的算術平均值或加權平均值，又稱為總體均值μ。顯然，它只是在理論上存在並可表示為
μ=Lim∑xi
方差σ2，則是無窮多次測量所得觀測值xi與期望μ之差的平方的算術平均值，它也只是在理論上存在並可表示為
方差的正平方根σ，通常被稱為標準〔偏〕差，又稱為總體標準〔偏〕差(population standard deviation)或理論標準〔偏〕差，而本定義中通過有限次測量求得的實驗標準〔偏〕差s，又稱為樣本標準〔偏〕差(sample standard deviation)。s是σ的估計值。
常態分配的總體均值和總體標準[偏]差
圖中示出了總體均值為μ，總體標準〔偏〕差為σ的常態分配的情形。由圖(c)可見，σ愈小，分布曲線愈集中或愈尖銳，表征測量結果或觀測值的分散性愈小；反之σ愈大，曲線愈平坦，表征分散性愈大。由圖(a)可見，分布曲線在x=μ處具有極大值，曲線不僅是單峰的，而且對x=μ直線來說是對稱的，在x=μ±σ處有兩個拐點。由圖(b)可見，分布的中心在x-μ處，μ值的大小決定了曲線在x軸上的位置，圖(d)對兩條不同μ值和不同σ值的常態分配曲線進行了比較。
為μ的無偏估計，s2為σ2的無偏估計。這裡的“無偏估計”可理解為: 比μ大的機率，與 比μ小的機率是相等的或皆為50%；而且當n→∞時，( -μ)→0。值得注意的是:s2為σ2的無偏估計，但s不是σ的無偏估計，而是偏小估計，即(s-σ)為負值的機率，大於(s-σ)為正值的機率。
s是單次觀測值xi的實驗標準〔偏〕差， 才是n次測量所得算術平均值 的實驗標準〔偏〕差，它是 分布的標準〔偏〕差的估計值。為易於區別，前者用s(x)表示，後者用s( )表示，故有s( )=s(x)/ 。
通常用s(x)表征測量儀器的重複性，而用 評價從此儀器進行n次測量所得測量結果的分散性。隨著測量次數n的增加，測量結果的分散性 即與 成反比地減小，這是由於對多次觀測值取平均後，正、負誤差相互抵償所致。所以，當測量要求較高或希望測量結果的標準〔偏差〕較小時，應適當增加n；但是n>20時，隨著n的增加， 的減少速率減慢。因此，在選取n的多少時應予綜合考慮或權衡利弊，因為增加測量次數就會拉長測量時間、加大測量成本。在通常情況下，取n≥3，以n=4～20為宜。
應當強調的是: 是平均值的實驗標準〔偏〕差，而不能稱它為平均值的標準誤差。
