Wprowadzenie
Błąd standardowy (SE) i odchylenie standardowe (SD) są miarami rozproszenia, ale odpowiadają na zasadniczo różne pytania. Mylenie ich to jeden z najczęstszych błędów w statystyce.
Częste nieporozumienie
Wiele osób używa odchylenia standardowego tam, gdzie powinno użyć błędu standardowego, szczególnie przy raportowaniu precyzji średnich próbkowych. Może to prowadzić do błędnych wniosków o istotności statystycznej.
Kluczowa różnica
Odchylenie standardowe
Mierzy rozproszenie poszczególnych punktów danych wokół średniej.
“Jak bardzo różnią się poszczególne wartości?”
Błąd standardowy
Mierzy precyzję średniej z próbki jako estymatora średniej populacji.
“Jak dokładna jest nasza średnia próbkowa?”
Wzór na błąd standardowy
Błąd standardowy średniej
SE = s / √n
Gdzie s to odchylenie standardowe próbki, a n to wielkość próbki.
Przykład obliczeń
Próbka 25 uczniów ma średni wynik testu = 75, SD = 10
- Odchylenie standardowe (s) = 10 punktów
- Wielkość próbki (n) = 25
- Błąd standardowy = 10 / √25 = 10 / 5 = 2 punkty
Interpretacja: Średnia próbkowa 75 ma niepewność rzędu ±2 punktów.
Kiedy stosować każde z nich
- Stosuj odchylenie standardowe, gdy:Opisujesz zmienność poszczególnych obserwacji, charakteryzujesz populację lub próbkę, wyznaczasz zakresy normy (np. kliniczne zakresy referencyjne) lub kontrolujesz jakość (dopuszczalna zmienność w produkcji)
- Stosuj błąd standardowy, gdy:Raportujesz precyzję statystyki próbkowej, konstruujesz przedziały ufności, porównujesz średnie między grupami lub przeprowadzasz testowanie hipotez
Wpływ wielkości próbki
Kluczowa różnica: odchylenie standardowe pozostaje w przybliżeniu stałe wraz ze wzrostem próbki, natomiast błąd standardowy maleje przy większych próbkach.
| Wielkość próbki (n) | SD | SE = SD/√n |
|---|---|---|
| 25 | 10 | 2,00 |
| 100 | 10 | 1,00 |
| 400 | 10 | 0,50 |
| 10 000 | 10 | 0,10 |
Kluczowy wniosek
Aby zmniejszyć błąd standardowy o połowę, trzeba czterokrotnie zwiększyć wielkość próbki. Dlatego bardzo precyzyjne oszacowania wymagają dużych prób.