Τυπικό σφάλμα — Τύπος, έννοια και διαφορά από την τυπική απόκλιση

Το τυπικό σφάλμα δείχνει πόσο μια εκτίμηση από δείγμα θα άλλαζε συνήθως από ένα τυχαίο δείγμα σε ένα άλλο. Σε αυτή τη σελίδα, αυτή η εκτίμηση είναι ο δειγματικός μέσος. Μετρά την τυπική δειγματοληπτική μεταβλητότητα του μέσου, όχι τη διασπορά των αρχικών δεδομένων.

Για τον δειγματικό μέσο, το τυπικό σφάλμα είναι

$$SE(\bar{x}) = \frac{\sigma}{\sqrt{n}}$$

αν η τυπική απόκλιση του πληθυσμού $\sigma$ είναι γνωστή. Στην πράξη, η $\sigma$ συχνά είναι άγνωστη, οπότε την εκτιμάτε με την τυπική απόκλιση του δείγματος $s$:

$$SE(\bar{x}) \approx \frac{s}{\sqrt{n}}$$

Αυτός ο τύπος ισχύει για τον μέσο υπό τις συνήθεις προϋποθέσεις: οι παρατηρήσεις θεωρούνται ανεξάρτητο τυχαίο δείγμα και σας ενδιαφέρει η ακρίβεια του δειγματικού μέσου. Μικρότερο τυπικό σφάλμα σημαίνει πιο ακριβής εκτίμηση.

Τι μετρά πραγματικά το τυπικό σφάλμα

Το τυπικό σφάλμα αφορά μια εκτίμηση, όχι μεμονωμένες παρατηρήσεις. Αν συνεχίζατε να παίρνετε νέα δείγματα του ίδιου μεγέθους από τον ίδιο πληθυσμό, ο δειγματικός μέσος θα μεταβαλλόταν. Το τυπικό σφάλμα περιγράφει το τυπικό μέγεθος αυτής της μεταβολής.

Γι’ αυτό το τυπικό σφάλμα μικραίνει όταν το $n$ μεγαλώνει. Ο μέσος όρος περισσότερων παρατηρήσεων συνήθως κάνει τον δειγματικό μέσο πιο σταθερό από δείγμα σε δείγμα, αν η διαδικασία συλλογής δεδομένων παραμένει συγκρίσιμη.

Τυπικό σφάλμα vs τυπική απόκλιση

Αυτή είναι η διάκριση που προκαλεί τη μεγαλύτερη σύγχυση. Η τυπική απόκλιση περιγράφει πόσο απλωμένες είναι οι τιμές των δεδομένων μέσα σε ένα σύνολο δεδομένων. Το τυπικό σφάλμα περιγράφει πόσο απλωμένο θα ήταν ένα στατιστικό μέγεθος, όπως ο δειγματικός μέσος, σε πολλά επαναλαμβανόμενα δείγματα.

Για τον μέσο, τα δύο συνδέονται με τη σχέση

$$SE(\bar{x}) \approx \frac{s}{\sqrt{n}}$$

όταν κάνετε εκτίμηση από δείγμα. Άρα το τυπικό σφάλμα χρησιμοποιεί την τυπική απόκλιση, αλλά απαντούν σε διαφορετικά ερωτήματα.

Χρησιμοποιήστε αυτό το σύντομο βοήθημα:

1. Η τυπική απόκλιση ρωτά: «Πόσο απλωμένες είναι οι τιμές των δεδομένων;»
2. Το τυπικό σφάλμα ρωτά: «Πόσο ακριβής είναι ο δειγματικός μέσος μου ως εκτίμηση;»

Ένα λυμένο παράδειγμα τυπικού σφάλματος

Υποθέστε ότι ένα δείγμα $n = 25$ μαθητών έχει μέσο βαθμό τεστ $78$ και τυπική απόκλιση δείγματος $10$.

Το εκτιμώμενο τυπικό σφάλμα του μέσου είναι

$$SE(\bar{x}) \approx \frac{s}{\sqrt{n}} = \frac{10}{\sqrt{25}} = \frac{10}{5} = 2$$

Το βασικό σημείο είναι η ερμηνεία. Η τιμή $2$ δεν σημαίνει ότι οι περισσότεροι μαθητές βρίσκονται μέσα σε $2$ μονάδες από το $78$. Αυτό θα μπέρδευε το τυπικό σφάλμα με την τυπική απόκλιση.

Αντίθετα, σημαίνει ότι αν παίρνατε επανειλημμένα παρόμοια τυχαία δείγματα $25$ μαθητών από τον ίδιο πληθυσμό, ο δειγματικός μέσος θα μεταβαλλόταν συνήθως κατά περίπου $2$ μονάδες από δείγμα σε δείγμα.

Γιατί ο τύπος χρησιμοποιεί το $\sqrt{n}$

Το $\sqrt{n}$ στον παρονομαστή εξηγεί γιατί τα μεγαλύτερα δείγματα δίνουν πιο ακριβείς εκτιμήσεις του μέσου. Αν το μέγεθος δείγματος μεγαλώσει, ο παρονομαστής μεγαλώνει, άρα το τυπικό σφάλμα μικραίνει.

Όμως η μεταβολή δεν είναι γραμμική. Για να μειώσετε το τυπικό σφάλμα στο μισό, συνήθως χρειάζεστε περίπου τετραπλάσιο μέγεθος δείγματος, επειδή

$$\frac{1}{\sqrt{4n}} = \frac{1}{2\sqrt{n}}$$

Συνηθισμένα λάθη με το τυπικό σφάλμα

1. Να χρησιμοποιείτε το τυπικό σφάλμα και την τυπική απόκλιση σαν να είναι εναλλάξιμα.
2. Να λέτε ότι ένα μικρό τυπικό σφάλμα σημαίνει ότι τα αρχικά δεδομένα έχουν μικρή διασπορά. Αυτό το συμπέρασμα δεν προκύπτει, εκτός αν γνωρίζετε επίσης ότι η τυπική απόκλιση είναι μικρή.
3. Να ξεχνάτε ότι ο τύπος $SE(\bar{x}) \approx s/\sqrt{n}$ εδώ αφορά συγκεκριμένα τον δειγματικό μέσο.
4. Να υποθέτετε ότι ένα μεγαλύτερο δείγμα διορθώνει πάντα τη μεροληψία. Ένα μεγαλύτερο $n$ μειώνει την τυχαία δειγματοληπτική μεταβλητότητα, αλλά δεν διορθώνει αυτόματα ένα μεροληπτικό δείγμα.

Πότε χρησιμοποιείται το τυπικό σφάλμα

Το τυπικό σφάλμα έχει σημασία όταν θέλετε να κρίνετε πόσο ακριβής είναι μια εκτίμηση. Εμφανίζεται σε διαστήματα εμπιστοσύνης, ελέγχους υποθέσεων, αποτελέσματα παλινδρόμησης και αποτελέσματα ερευνών.

Σε κάθε περίπτωση, η ιδέα είναι η ίδια: το τυπικό σφάλμα βοηθά να συνδεθεί ένα δείγμα με την αβεβαιότητα της εκτίμησης που προέκυψε από αυτό το δείγμα.

Δοκιμάστε ένα παρόμοιο πρόβλημα

Δοκιμάστε τη δική σας εκδοχή με $s = 12$ και $n = 36$. Υπολογίστε το τυπικό σφάλμα του μέσου και μετά συγκρίνετέ το με την περίπτωση όπου $n = 144$. Αυτός είναι ένας γρήγορος τρόπος να δείτε πώς το μέγεθος δείγματος αλλάζει την ακρίβεια. Αν θέλετε να προχωρήσετε περισσότερο, εξερευνήστε στη συνέχεια ένα διάστημα εμπιστοσύνης και δείτε πώς το τυπικό σφάλμα επηρεάζει το πλάτος του.