标准误(Standard Error)

1.标准误概念

标准误是数据统计的重点概念，且难以理解。百度上文章缺乏详细描述的文章。所以写下此文让读者能够彻彻底底了解标准误概念。

标准误全称：样本均值的标准误(Standard Error for the Sample Mean),顾名思义，标准误是用于衡量样本均值和总体均值的差距。

2.标准误意义：

用于衡量样本均值和总体均值的差距有多大？

标准误越小----样本均值和总体均值差距越小

标准误越大----样本均值和总体均值差距越大

标准误用于预测样本数据准确性，标准误越小，样本均值和总体均值差距越小，样本数据越能代表总体数据。

3.标准误与标准差区别：

对一个总体多次抽样，每次样本大小都为n，那么每个样本都有自己的平均值，这些平均值的标准差叫做标准误。

标准差是单次抽样得到的，用单次抽样得到的标准差可以估计多次抽样才能得到的标准误差

标准差表示数据离散程度：

标准差越大，分布越广，集中程度越差，均值代表性越差

标准差越小，分布集中在平均值附近，均值代表性更好

标准差与标准误不同应用范围：
标准差：（图左）在正负两个标准差（95%概率下），Jack消耗时间在68-132秒之间。
标准误：（图右）在正负两个标准误，Jack消耗平均时间大约在95-105秒之间。

4.标准误计算例子

什么是真实的标准误？举个例子，对一个总体12次抽样，生成12个样本，每个样本大小都为5。那么每个样本都有自己的平均值，这些平均值的标准差叫做标准误差。这里就是对表格最后一行数组计算标准差（100，101,99,114,103.....93），最后算出来标准误结果为6.33。

但是为了得到标准误，我们不可能做很多次科学实验。实际上我们可以做一次样本实验，然后采用估算公式：

如下图，我们用第一组样本估算真实标准误，此样本标准差除以根号n,结果为7.16，然后把7.16约等为真实的标准误6.33。

所以标准误也是另外一种形式的标准差，标准误和总体标准差既有相似处，又有区别。标准误是一个比较难得概念，读者一次不能很好理解，如果反复看此文章，然后自己动手程序模拟，就会增强直观印象，加深理解。

所有的随机样本中，如果数量相同，它们的标准误默认为近似相同（非真正相同）

5.标准误的应用
我们有两组数据，一组观看了指导视频，一组没有观看指导视频，比较两组数据在得分方面有无显著差异？

随着样本量不同，我们得到的结果不同。图左，两组数据没有区别，图中两组数据可能有区别，可能没有；图右两组数据有区别
样本量为3时，看视频组的2*标准误为15，没看视频的2*标准误为13。

样本量小时，标准误很大，样本均值和总体均值差异很大，样本数据的代表性很差。

样本量为5时，看视频组的2*标准误为9，没看视频的2*标准误为10。

样本量增大后，标准误变小。

样本量为10时，看视频组的2*标准误为7，没看视频的2*标准误为6。
样本量增大后，标准误再次变小

随着样本量不同，我们得到的结果不同。下面的图左（样本量为3），两组数据没有区别，图中（样本量为5）两组数据可能有区别，可能没有；图右（样本量为10）两组数据有区别
实际上，众多毕业论文和专业期刊的统计分析都是错的，虽有华丽的可视化图表，但新手很容易因样本量太小得到错误结果。

6.蒙特卡洛模拟

蒙特卡洛验证，对一组样本进行标准误评估，看公式SE = s/√(n)是否准确

结果表明SE = s/√(n)公式得到的标准误和真实标准误非常接近

样本值100，标准误很小，大约0.1

样本值10，标准误增大，大约0.33

样本值5，标准误再次增大，大约0.45

源代码如下

#微信公众号：pythonEducation# -*- coding: utf-8 -*-import random,mathimport numpy as npn=1000normal_population=list(np.random.normal(size=n))mean_population=np.mean(normal_population)#总体标准差sigma=np.std(normal_population,ddof=0)#存放多个随机样本list_samples=[]#多个随机样本的平均数list_samplesMean=[]#求单个样本估算的标准误def Standard_error(sample):std=np.std(sample,ddof=0)standard_error=std/math.sqrt(len(sample))return standard_error#求真实标准误def Standard_error_real():for i in range(100):sample=random.sample(normal_population,100)list_samples.append(sample)list_samplesMean=[np.mean(i) for i in list_samples]standard_error_real=np.std(list_samplesMean,ddof=0)return standard_error_real #plt.hist(normal_values)#真实标准误standard_error_real=Standard_error_real()print(standard_error_real)#随机抽样print(Standard_error(list_samples[0]))print(Standard_error(list_samples[1]))print(Standard_error(list_samples[2]))

欢迎各位学习更多数据分析知识（博主录制）

欢迎各位同学学习我录制的更多相关知识从0到1Python数据科学之旅：https://edu.csdn.net/combo/detail/1929

标准误(Standard Error)相关推荐

python standardprint_标准误(Standard Error)
1.标准误概念标准误是数据统计的重点概念,且难以理解.百度上文章缺乏详细描述的文章.所以写下此文让读者能够彻彻底底了解标准误概念. 标准误全称:样本均值的标准误(Standard Error for ...
测量标准误(Standard Error of Measurement；SEm)
目录 1. 测量标准误的意义 2. 测量标准误的计算方法 3. SEmSEmSEm的置信区间 4. 统计显著和实际显著 5. 参考文献 1. 测量标准误的意义举例:分数不能代表一切,也就是说分数不 ...
标准差（standard deviation）和标准错误（standard error）你能解释一下？
by:ysuncn(欢迎转载,转载请注明原始消息) 什么是标准差(standard deviation)呢?依据国际标准化组织(ISO)的定义:标准差σ是方差σ2的正平方根.而方差是随机变量期望的二次 ...
R语言回归模型残差标准误差计算实战（Residual Standard Error）：计算残差标准误、残差标准误解读
R语言回归模型残差标准误差计算实战(Residual Standard Error):计算残差标准误.残差标准误解读目录
标准差（Standard Deviation）, 标准误差（Standard error），变异系数 (Coefficient of Variance )的区别与联系
标准差(Standard Deviation) ,中文环境中又常称均方差,是离均差平方的算术平均数的平方根,用σ表示.标准差是方差的算术平方根.标准差能反映一个数据集的离散程度.平均数相同的两组数据 ...
R语言计算平均值的标准误差（standard error of the mean）：自定义函数计算平均值的标准误差、使用plotrix包的std.error函数计算平均值的标准误差
R语言计算平均值的标准误差(standard error of the mean):自定义函数计算平均值的标准误差.使用plotrix包的std.error函数计算平均值的标准误差目录
均值估计标准差(Standard Deviation) 和标准误差(Standard Error)
最近一直在研究均值估计之类的问题,下午正好有机会和大家分享一下. 本文摘自 Streiner DL.Maintaining standards: differences between the sta ...
对于随机变量的标准差standard deviation、样本标准差sample standard deviation、标准误差standard error的解释...
参考:http://blog.csdn.net/ysuncn/article/details/1749729
标准差与标准误的区别（标准误也称标准误差）
1.标准差是对一次抽样的原始数据进行计算的,而标准误则是对多次抽样的样本统计量进行计算的(这个统计量可以是均值): 2.标准差只是一个描述性指标,只是描述原始数据的波动情况,而标准误是跟统计推断有关的 ...
【笔记】因子投资：方法与实践
文章目录历史宏观综述研究角度关于β'λ 关于α 截面角度vs时序角度学术理论基础概念金融理论 MM定理资产定价模型多因子模型研究方法论投资组合排序法排序检验多重排序法多因 ...

标准误(Standard Error)

欢迎各位学习更多数据分析知识（博主录制）

标准误(Standard Error)相关推荐

最新文章

热门文章