标准差的大小是根据数据的变化程度来界定的。
标准差越大，说明数据的分布越分散，标准差越小，说明数据的分布越集中。
具体来说，标准差的大小可以通过对数据的变异系数或离散系数进行计算来确定。
一般来说，数据的标准差与平均值的关系越密切，标准差的大小就越能体现数据的变化程度。
另外，在统计学中，标准差的大小还可以用来确定正态分布的范围，进而推导出一个有用的基本原理——68-95-99.7法则，即一组服从正态分布的数据中，约有68%的数据会分布在平均值的正负一个标准差范围内，95%的数据会分布在平均值的正负两个标准差范围内，99.7%的数据会分布在平均值的正负三个标准差范围内。
标准差和区分度不是一个意思。
标准差是一种度量数据集合中数据分散程度的统计量。它衡量的是每个数据点与平均值的偏离程度，即数据的离散程度。标准差越大，说明数据的分散程度越大；标准差越小，说明数据的分散程度越小。
区分度是指试题在能力水平高和能力水平低的被试者之间，能否将这些被试者区分开来的程度。在考试中，区分度高的试题能够有效地区分出高分和低分的考生，反之，区分度低的试题则不能有效地区分出高分和低分的考生。
因此，标准差和区分度是两个不同的概念，它们分别用于衡量不同的统计特征。
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。
例如，两组数的集合{0,5,9,14}和{5,6,8,9}其平均值都是7，但第二个集合具有较小的标准差。