Co je to relativní standardní chyba?
v statistika, relativní standardní chyba (RSE) se rovná standardní chyba odhadu průzkumu děleno odhadem průzkumu a poté vynásobeno 100. Číslo je vynásobeno 100, takže může být vyjádřeno v procentech. RSE nemusí nutně představovat žádné nové informace nad rámec standardní chyby, ale může to být vynikající způsob prezentace statistické spolehlivosti.
Relativní standardní chyba vs. Standardní chyba
Standardní chyba měří, do jaké míry se odhad průzkumu pravděpodobně odchyluje od skutečné populace. Je vyjádřen jako číslo. Naproti tomu relativní standardní chyba (RSE) je standardní chyba vyjádřená jako zlomek odhadu a obvykle se zobrazuje v procentech. Odhady s RSE 25% a více podléhají vysoké vzorkovací chybě a měly by být používány s opatrností.
Odhad průzkumu a standardní chyba
Průzkumy a standardní chyby jsou klíčovými částmi teorie pravděpodobnosti a statistiky. Statistici používají standardní chyby vytvořit intervaly spolehlivosti z jejich zkoumaných údajů. Spolehlivost těchto odhadů lze také posoudit pomocí intervalu spolehlivosti. Intervaly spolehlivosti jsou důležité pro stanovení platnosti empirických testů a výzkumu.
Interval spolehlivosti je typem odhadovaného intervalu, vypočítaného ze statistik pozorovaných dat, který může obsahovat skutečnou hodnotu neznámého parametru populace. Intervaly spolehlivosti představují rozsah, ve kterém je pravděpodobné, že bude ležet hodnota populace. Jsou konstruovány pomocí odhadu základní hodnoty a související standardní chyby. Například existuje přibližně 95% šance (tj. 19 šancí z 20), že hodnota populace leží do dvou standardní chyby odhadů, takže 95% interval spolehlivosti se rovná odhadu plus nebo mínus dva standardy chyby.
Laicky řečeno, standardní chybou vzorku dat je měření pravděpodobného rozdílu mezi vzorkem a celou populací. Například studie zahrnující 10 000 dospělých kuřáků cigaret může generovat mírně odlišné statistické výsledky, než kdyby byl zkoumán každý dospělý člověk kouřící cigarety.
Menší chyby vzorků svědčí o spolehlivějších výsledcích. The teorém centrálního limitu inferenční statistika naznačuje, že velké vzorky mívají přibližně normální rozdělení a nízké chyby vzorků.
Standardní odchylka a standardní chyba
K vyjádření koncentrace výsledků průzkumu se používá standardní odchylka souboru dat. Menší rozmanitost dat vede k nižší standardní odchylce. Větší rozmanitost pravděpodobně povede k vyšší standardní odchylce.
Standardní chyba je někdy zaměňována se standardní odchylkou. Standardní chyba ve skutečnosti odkazuje na standardní odchylku průměru. Standardní odchylka se týká variability uvnitř daného vzorku, zatímco standardní chybou je variabilita distribuce samotného vzorkování.
Relativní standardní chyba
Standardní chyba je absolutní měrou mezi výběrovým šetřením a celkovou populací. Relativní standardní chyba ukazuje, zda je standardní chyba vzhledem k výsledkům velká; velké relativní standardní chyby naznačují, že výsledky nejsou významný. Vzorec pro relativní standardní chybu je:
Relativní standardní chyba=OdhadStandardní chyba×100kde:Standardní chyba=standardní odchylka průměrného vzorkuOdhad=průměr vzorku