Błąd standardowy — wzór, znaczenie i różnica względem odchylenia standardowego

Błąd standardowy mówi, jak bardzo oszacowanie z próby zwykle zmieniałoby się od jednej losowej próby do drugiej. Na tej stronie tym oszacowaniem jest średnia z próby. Mierzy typową zmienność średniej wynikającą z losowania próby, a nie rozrzut surowych danych.

Dla średniej z próby błąd standardowy wynosi

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

jeśli odchylenie standardowe populacji $\sigma$ jest znane. W praktyce $\sigma$ często jest nieznane, więc szacuje się je za pomocą odchylenia standardowego z próby $s$:

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

Ten wzór dotyczy średniej w typowym układzie: obserwacje traktuje się jako niezależną próbę losową, a pytanie dotyczy precyzji średniej z próby. Mniejszy błąd standardowy oznacza dokładniejsze oszacowanie.

Co naprawdę mierzy błąd standardowy

Błąd standardowy dotyczy oszacowania, a nie pojedynczych obserwacji. Gdybyś wciąż pobierał nowe próby o tej samej liczebności z tej samej populacji, średnia z próby zmieniałaby się. Błąd standardowy opisuje typową wielkość tej zmienności.

Dlatego błąd standardowy maleje, gdy $n$ rośnie. Uśrednianie większej liczby obserwacji zwykle sprawia, że średnia z próby jest bardziej stabilna między próbami, o ile sposób zbierania danych pozostaje porównywalny.

Błąd standardowy a odchylenie standardowe

To rozróżnienie powoduje najwięcej nieporozumień. Odchylenie standardowe opisuje, jak bardzo wartości danych są rozproszone w jednym zbiorze danych. Błąd standardowy opisuje, jak bardzo statystyka, taka jak średnia z próby, byłaby rozproszona w wielu powtarzanych próbach.

Dla średniej oba pojęcia łączy zależność

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

gdy dokonujesz oszacowania na podstawie próby. Błąd standardowy wykorzystuje więc odchylenie standardowe, ale odpowiadają one na różne pytania.

Skorzystaj z tego skrótu myślowego:

1. Odchylenie standardowe pyta: „Jak bardzo rozproszone są wartości danych?”
2. Błąd standardowy pyta: „Jak precyzyjna jest moja średnia z próby jako oszacowanie?”

Jeden rozwiązany przykład błędu standardowego

Załóżmy, że próba o liczebności $n = 25$ uczniów ma średni wynik testu równy $78$ i odchylenie standardowe z próby równe $10$.

Oszacowany błąd standardowy średniej wynosi

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

Kluczowa jest interpretacja. Wartość $2$ nie oznacza, że większość uczniów mieści się w odległości $2$ punktów od $78$. To byłoby pomylenie błędu standardowego z odchyleniem standardowym.

Zamiast tego oznacza to, że gdybyś wielokrotnie pobierał podobne losowe próby po $25$ uczniów z tej samej populacji, średnia z próby zwykle różniłaby się między próbami o około $2$ punkty.

Dlaczego we wzorze występuje $\sqrt{n}$

$\sqrt{n}$ w mianowniku wyjaśnia, dlaczego większe próby dają dokładniejsze oszacowania średniej. Jeśli liczebność próby rośnie, mianownik rośnie, więc błąd standardowy maleje.

Ale ta zmiana nie jest liniowa. Aby zmniejszyć błąd standardowy o połowę, zwykle potrzeba około czterokrotnie większej próby, ponieważ

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

Typowe błędy związane z błędem standardowym

1. Traktowanie błędu standardowego i odchylenia standardowego tak, jakby były zamienne.
2. Twierdzenie, że mały błąd standardowy oznacza mały rozrzut surowych danych. Taki wniosek nie wynika z tego automatycznie, chyba że wiesz też, że odchylenie standardowe jest małe.
3. Zapominanie, że wzór $SE(\bar{x}) \approx s/\sqrt{n}$ dotyczy tutaj konkretnie średniej z próby.
4. Zakładanie, że większa próba zawsze eliminuje obciążenie. Większe $n$ zmniejsza losową zmienność wynikającą z doboru próby, ale nie koryguje automatycznie próby obciążonej.

Kiedy używa się błędu standardowego

Błąd standardowy ma znaczenie wtedy, gdy chcesz ocenić, jak precyzyjne jest oszacowanie. Pojawia się w przedziałach ufności, testach hipotez, wynikach regresji i rezultatów badań ankietowych.

W każdym z tych przypadków idea jest taka sama: błąd standardowy pomaga powiązać jedną próbę z niepewnością oszacowania otrzymanego na podstawie tej próby.

Spróbuj podobnego zadania

Wypróbuj własną wersję z $s = 12$ i $n = 36$. Oblicz błąd standardowy średniej, a potem porównaj go z przypadkiem, gdy $n = 144$. To szybki sposób, by zobaczyć, jak liczebność próby zmienia precyzję. Jeśli chcesz pójść dalej, przejdź następnie do przedziału ufności i zobacz, jak błąd standardowy wpływa na jego szerokość.