Standart Hata — Formül, Anlamı ve Standart Sapmadan Farkı

Standart hata, bir örneklem tahmininin bir rastgele örneklemden diğerine genelde ne kadar değişeceğini söyler. Bu sayfada bu tahmin, örneklem ortalamasıdır. Ham verilerin yayılımını değil, ortalamanın tipik örnekleme değişimini ölçer.

Örneklem ortalaması için standart hata

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

şeklindedir; burada anakütle standart sapması $\sigma$ biliniyorsa bu formül kullanılır. Uygulamada ise $\sigma$ çoğu zaman bilinmez, bu yüzden örneklem standart sapması $s$ ile tahmin edilir:

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

Bu formül, ortalama için alışılmış kurulumda geçerlidir: gözlemler bağımsız bir rastgele örneklem olarak ele alınır ve siz örneklem ortalamasının ne kadar hassas olduğunu sorarsınız. Daha küçük standart hata, daha hassas bir tahmin demektir.

Standart Hata Aslında Neyi Ölçer?

Standart hata, tek tek gözlemlerle değil bir tahminle ilgilidir. Aynı anakütleden aynı büyüklükte yeni örneklemler almaya devam etseydiniz, örneklem ortalaması değişirdi. Standart hata, bu değişimin tipik büyüklüğünü açıklar.

Bu yüzden $n$ büyüdükçe standart hata küçülür. Veri toplama süreci benzer kaldığı sürece, daha fazla gözlemin ortalamasını almak örneklem ortalamasını genelde örneklemden örnekleme daha kararlı hale getirir.

Standart Hata ve Standart Sapma

En çok karışıklık yaratan ayrım budur. Standart sapma, tek bir veri kümesi içindeki değerlerin ne kadar yayıldığını açıklar. Standart hata ise örneklem ortalaması gibi bir istatistiğin, çok sayıda tekrarlı örneklem boyunca ne kadar yayılacağını açıklar.

Ortalama için bu ikisi şu bağıntıyla ilişkilidir:

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

örneklemden tahmin yaparken bu formül kullanılır. Yani standart hata standart sapmayı kullanır, ama cevapladıkları sorular farklıdır.

Şu kısa yolu kullanın:

1. Standart sapma şunu sorar: "Veri değerleri ne kadar yayılmış?"
2. Standart hata şunu sorar: "Örneklem ortalamam bir tahmin olarak ne kadar hassas?"

Standart Hata İçin Çözümlü Bir Örnek

Diyelim ki $n = 25$ öğrenciden oluşan bir örneklemin sınav puanı ortalaması $78$ ve örneklem standart sapması $10$ olsun.

Ortalamanın tahmini standart hatası

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

olur.

Buradaki temel nokta yorumdur. $2$ değeri, öğrencilerin çoğunun $78$ puanın $2$ puan içinde olduğu anlamına gelmez. Bu, standart hatayı standart sapmayla karıştırmak olur.

Bunun yerine şu anlama gelir: Aynı anakütleden tekrar tekrar benzer rastgele $25$ öğrencilik örneklemler alsaydınız, örneklem ortalaması örneklemden örnekleme tipik olarak yaklaşık $2$ puan değişirdi.

Formülde Neden $\sqrt{n}$ Kullanılır?

Paydadaki $\sqrt{n}$, neden daha büyük örneklemlerin ortalama için daha hassas tahminler verdiğini açıklar. Örneklem büyüklüğü artarsa payda büyür, dolayısıyla standart hata küçülür.

Ama bu değişim doğrusal değildir. Standart hatayı yarıya indirmek için genelde örneklem büyüklüğünü yaklaşık dört katına çıkarmanız gerekir, çünkü

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

Standart Hata ile İlgili Yaygın Hatalar

1. Standart hata ile standart sapmayı birbirinin yerine kullanılabilir sanmak.
2. Küçük bir standart hatanın, ham verilerin az yayıldığı anlamına geldiğini söylemek. Standart sapmanın da küçük olduğunu bilmiyorsanız bu sonuca varılamaz.
3. Buradaki $SE(\bar{x}) \approx s/\sqrt{n}$ formülünün özellikle örneklem ortalaması için olduğunu unutmak.
4. Daha büyük bir örneklemin yanlılığı her zaman düzelttiğini varsaymak. Daha büyük bir $n$, rastgele örnekleme değişimini azaltır; ancak yanlı bir örneklemi otomatik olarak düzeltmez.

Standart Hata Ne Zaman Kullanılır?

Standart hata, bir tahminin ne kadar hassas olduğunu değerlendirmek istediğinizde önemlidir. Güven aralıklarında, hipotez testlerinde, regresyon çıktılarında ve anket sonuçlarında karşınıza çıkar.

Her durumda fikir aynıdır: standart hata, tek bir örneklemi o örneklemden elde edilen tahmindeki belirsizlikle ilişkilendirmeye yardımcı olur.

Benzer Bir Soru Deneyin

$s = 12$ ve $n = 36$ için kendi örneğinizi deneyin. Ortalamanın standart hatasını hesaplayın, sonra bunu $n = 144$ olan durumla karşılaştırın. Bu, örneklem büyüklüğünün hassasiyeti nasıl değiştirdiğini görmenin hızlı bir yoludur. Daha ileri gitmek isterseniz, sırada bir güven aralığını inceleyin ve standart hatanın onun genişliğini nasıl etkilediğine bakın.