여러분의 데이터에 대한 분석의 목적이 단순하게 일반 변동성을 알아내기 보다는 모집단의 평균과
같은 모수를 예측하는데 집중하고 있다고 생각해 보자.

분석중인 데이터에 대한 모수의 평균을 얼마나 확실하게 얼마나 정확하게 수량화 하기 위해서는
여러분은 구하려는 예측값에 영향을 미치는 샘플링의 변동성이 얼마나 크냐를 표현해 주는
통계량이 필요하다.

이러한 경우 간절히 필요한 것이 바로 표준오차(Standard Error)라는 것이다.
표준오차(Standard Error)=표분편차를 샘플개수의 제곱근을 나누어 계산할 수 있다.

공식을 살펴보면 샘플개수를 적게하면 표준오차(Standard Error)을 증가시키는데 반해 많게 하면
표준오차(Standard Error)를 줄일 수 있음을 알 수 있다. 이 말은 여러분이 더 많은 데이터를 수집하거니
여러분의 데이터의 변동량이 적을 수록 분석하려는 예측값에 대해 신뢰성을 크게 높일 수 있음을 반영해준다.

위의 그림에서 다이어트-C의 경우 아주 적은 샘플개수로 인해 엄청 큰 표준오차(Standard Error)를 보여준다.
이제 여러분이 계산한 평균 추정값을 그냥 믿을 수만 없다는 의미이다. 여러분의 다이어트 노력을
다이어트-D(평균=21.9)와 같이 매우 타이트한 표준오차(Standard Error) 구간을 보여주는 프로그램에 투자할
수 있을 것이다.  

바로 이 표준오차(Standard Error)라는 것은 매우 유용하다. 그렇지만 통계를 이해하지 못하는 사람들에게는
다소 추상적으로 느껴질 수도 있는 값이다. 만일 다이어트가 필요한 사람에게 표준오차(Standard Error) 0.923이며
평균 21.9kg의 체중감량을 힐 수 있는 다이어트-D 프로그램을 하라고 권하고 있다고 상상해 보자.
다이어트를 하려는 사람에겐 이해가 되지 않를 것이다.