Tietojoukon suhteellinen vakiovirhe liittyy läheisesti vakiovirheeseen ja se voidaan laskea sen standardipoikkeamasta. Vakiopoikkeama on mitta siitä, kuinka tiiviisti pakatut tiedot ovat keskimääräisen ympärillä. Vakiovirhe normalisoi tämän mitan näytteiden lukumääränä, ja suhteellinen vakiovirhe ilmaisee tämän tuloksen prosentteina keskiarvosta.
Laske näytteen keskiarvo jakamalla näytteen arvojen summa näytteiden lukumäärällä. Esimerkiksi, jos tietomme koostuu kolmesta arvosta - 8, 4 ja 3 -, summa on 15 ja keskiarvo on 15/3 tai 5.
Laske poikkeamat kunkin näytteen keskiarvosta ja tulokset neliöidaan. Esimerkiksi meillä on:
(8 - 5)^2 = (3)^2 = 9 (4 - 5)^2 = (-1)^2 = 1 (3 - 5)^2 = (-2)^2 = 4
Summa neliöt ja jaa yhdellä vähemmän kuin näytteiden lukumäärä. Esimerkissä meillä on:
(9 + 1 + 4)/(3 - 1) = (14)/2 = 7
Tämä on tietojen varianssi.
Laske varianssin neliöjuuri näytteen keskihajonnan löytämiseksi. Esimerkissä meillä on keskihajonta = sqrt (7) = 2.65.
Jaa standardipoikkeama näytteiden lukumäärän neliöjuurella. Esimerkissä meillä on:
2,65 / sqrt (3) = 2,65 / 1,73 = 1,53
Tämä on näytteen vakiovirhe.
Laske suhteellinen standardivirhe jakamalla vakiovirhe keskiarvolla ja ilmoittamalla se prosentteina. Esimerkissä meillä on suhteellinen vakiovirhe = 100 * (1,53 / 3), joka on 51 prosenttia. Siksi esimerkkitietojemme suhteellinen vakiovirhe on 51 prosenttia.