photosdematures.com

标准误差定义

“标准误差”或“标准误差”用于借助样本分布来测量准确性，该样本分布表示使用标准偏差的总体，换句话说，可以将其理解为针对与样本平均值相关的色散的度量人口平均数。请勿将其与标准偏差相混淆。由于标准误差使用样本数据或统计数据，而标准偏差使用参数或总体数据，因此较高。

标准误差公式

它表示如下-

在这里，“σ_中号 ”代表南韩均值也是S.D.平均值的样本数据（标准偏差），“ N”代表样本大小，“σ”代表标准差。原始发行版。 S.E公式将不假设N.D.（正态分布）。但是，很少使用公式来假设正态分布。这个标准误差方程式表明样本的大小将对S.D产生反作用。均值的平均值，即样本均值的大小越大，S.E。相同，反之亦然。这就是为什么S.E.平均值的平方与N的平方根（样本大小）成反比。

查找标准错误的步骤

• 第一步，必须通过对所有样本求和，然后将它们除以样本总数来计算平均值。
• 在第二步中，必须从平均值中减去每个测量值，然后计算出每个测量值的偏差。
• 第三步，必须将与均值的每个偏差平方。这样，负平方将变为正。
• 在第四步中，必须对偏差平方求和，并且为此，必须将从步骤3获得的所有数字相加。
• 在第五步中，从第四步获得的总和必须除以样本数量小一位。
• 在第六步中，必须采用在第五步中获得的数字的平方根。结果应为S.D.或标准偏差。
• 在第二个步骤中，
• 需要通过将标准偏差除以N（样本大小）的平方根来计算S.E。
• 最后一步是必须从平均值中减去，因此必须记录该数字。这些。必须加到平均值上，并且必须记录结果。

标准误差示例

以下是标准错误的示例。

范例＃1

100个样本中的癌症死亡率为20％，第二个100样本中的癌症死亡率为30％。评估对比度在死亡率中的意义。

解决方案

使用下面给出的数据。

• = SQRT（20 * 80 /（100）+（30 * 70 /（100）））
• =6.08

• Z = 20-30 / 6.08
• Z = -1.64

范例＃2

随机抽取5名男性篮球运动员作为样本。它们的高度分别是175、170、177、183和169（以厘米为单位）。找到S.E.该高度的平均值（以厘米为单位）。

解决方案

• = (175+170+177+183+169)/5
• 样本均值= 174.8

样品标准偏差的计算

• = SQRT（128.80）
• 样本标准偏差 =5.67450438

• = 5.67450438 / SQRT（5）
•  = 2.538

例子＃3

样本41家企业的平均利润为19和标准差。客户总数为6.6。找到S.E.的意思。

解决方案

使用下面给出的数据。

标准误差的计算

• = 6.6 / SQRT（41）
•  = 1.03

解释标准误

标准误差的功能与描述性统计数据非常相似，因为它允许研究人员针对已经获得的样本统计数据建立置信区间。这有助于估计参数应落入的间隔。 S.E.均值和S.E.估算中的两个是常用的标准误差统计数据。

这些。均值的平均值允许研究人员建立一个置信区间，在该区间中，总体均值将下降。 1-P用作公式，表示将落在置信区间内的总体均值的概率。

这些。估计值的大部分被各种研究人员使用，并且与相关度量一起使用。它使研究人员可以在将要下降的实际人口相关性之下构造一个置信区间。这些。估计的精确度用于确定关于人口相关性的估计的精确度。

S.E.有助于指出样本统计量实际是总体参数估计值的准确性。

标准误差和标准偏差之间的差异

标准误差和标准偏差是两个不同的主题，这些主题不能相互混淆。标准错误的简称是S.E.而标准差的缩写是S.D. S.E.样本均值的确是对样本均值与总体均值之间距离的估计，它有助于在S.D.量度离散度或变异性，通常是属于同一样本的个体与样本平均值差异的程度。

结论

标准误差是平均值和估计值准确性的量度。它为量化采样误差提供了一种有用的方法。 S.E.之所以有用，是因为它表示与采样过程相关的总采样误差。估计的标准误差和平均值的标准误差是两个常用的SE统计量。

估算值的标准误差允许进行预测，但并不能真正表明预测的准确性。它测量回归的精度，而平均值的标准误则可帮助研究人员确定总体平均值最有可能下降的置信区间。 SEM也可以理解为平均值的统计量或参数。