关于样本标准差(SD)与样本标准误差(SE) | 您所在的位置:网站首页 › 统计学里SE › 关于样本标准差(SD)与样本标准误差(SE) |
许多paper里经常能看到Mean±SD(SE)这样的表达方式,或者在图表里用SD或者SE来表示error bar,用SD的居多,但是也有不少用SE的。初学者很容易混淆SD(standard deviation)和SE(standard error)。 SDSD我们都很清楚,是表达数据的离散程度,然后实际应用中很多数据具有近似正态分布的概率分布,有了SD,我们就可以大致估计数据的范围,譬如经典的"68-95-99.7法则",即约 68% 数值分布在距离平均值有 1 个标准差之内的范围,约 95% 数值分布在距离平均值有 2 个标准差之内的范围,以及约 99.7% 数值分布在距离平均值有 3 个标准差之内的范围。如下图: SESE是什么呢,一般来说,自然界里很难获得总体数据,我们只能用样本(无论是各种实验还是社会调查抽样)去近似估计总体,这样问题就来了,估计的准不准(平均值)? 我们可以理论上这样做,既然不能获得总体,我们可以尽可能多(无限)的从标准差为σ的总体数据里抽取大小为 n 的样本,每个样本各有一个平均值,所有样本平均值的标准差就可以用"68-95-99.7法则"评估准不准了(这就是所谓的置信区间),样本平均值的标准差可以被证明如下公式表达: 但由于通常σ为未知,此时可以用研究中取得样本的标准差 (S) 来估计: 这就是SE的来源,即 样本平均值的SD,我们用MATLAB编程演示下。 MATLAB演示以掷硬币为例,掷100次,统计正面(1)的次数,共统计1000次作为一个sample,然后我们这样采1000个sample(程序不怕累的)。 先贴结果,代码放后面。结果如下,我们能看到样本平均值的SD基本等于样本的SE! 完整代码如下: |
CopyRight 2018-2019 实验室设备网 版权所有 |