Vi leser av verdiene fra diagrammene.

Oslo (snødybde i cm julaften 2009–2019):

Kautokeino (snødybde i cm julaften 2009–2019):

Vi regner gjennomsnitt og standardavvik med kalkulator.

Oslo:

Standardavvik: $s \approx \underline{\underline{5{,}7 \, \mathrm{cm}}}$

Kautokeino:

Standardavvik: $s \approx \underline{\underline{9{,}2 \, \mathrm{cm}}}$

Oslo: gjennomsnitt $\approx \underline{\underline{5{,}5 \, \mathrm{cm}}}$, standardavvik $\approx \underline{\underline{5{,}7 \, \mathrm{cm}}}$.

Kautokeino: gjennomsnitt $= \underline{\underline{41{,}0 \, \mathrm{cm}}}$, standardavvik $\approx \underline{\underline{9{,}2 \, \mathrm{cm}}}$.

Påstanden er ikke riktig.

Isak hevder at det datamaterialet som har høyest gjennomsnitt, alltid også har høyest standardavvik. Dette stemmer ikke.

Standardavviket sier noe om hvor spredt verdiene er rundt gjennomsnittet — ikke noe om hvor høyt gjennomsnittet er. To datasett kan ha helt ulike gjennomsnitt, men likevel ha omtrent samme spredning, eller omvendt.

I dette tilfellet har Oslo gjennomsnitt $5{,}5 \, \mathrm{cm}$ og standardavvik $5{,}7 \, \mathrm{cm}$, mens Kautokeino har gjennomsnitt $41{,}0 \, \mathrm{cm}$ og standardavvik $9{,}2 \, \mathrm{cm}$. Kautokeino har høyere gjennomsnitt og høyere standardavvik — men det er tilfeldig. Det er lett å tenke seg et moteksempel: hvis Oslo hadde hatt verdiene $\{0, 0, 0, 20, 20, 20, \ldots\}$ og Kautokeino $\{41, 41, 41, \ldots\}$, ville Oslo hatt lavere gjennomsnitt men høyere standardavvik.

Påstanden er $\underline{\underline{\text{ikke riktig}}}$. Gjennomsnitt og standardavvik måler to ulike ting, og et høyt gjennomsnitt garanterer ikke et høyt standardavvik.