మీన్ యొక్క ప్రామాణిక లోపాన్ని ఎలా లెక్కించాలి
మీరు ఒకే పాపులేషన్ నుండి బహుళ యాదృచ్ఛిక నమూనాలను తీసుకుంటే, సగటు యొక్క ప్రామాణిక లోపం (SEM) నమూనా సగటు ఎంత మారుతుందో కొలుస్తుంది. ఇది విశ్వాస విరామాలు మరియు పరికల్పన పరీక్షలో కీలకమైన అంశం.
ఫార్ములా
SE = s / √n
ఎక్కడ:
- s = నమూనా ప్రామాణిక విచలనం
- n = నమూనా పరిమాణం
దశల వారీ ఉదాహరణ
మీరు 25 మంది రోగులలో విశ్రాంతి హృదయ స్పందన రేటును కొలుస్తారు మరియు కనుగొనండి:
- సగటు (x̄) = 72 bpm
- ప్రామాణిక విచలనం (లు) = 10 bpm
SE = 10 / √25 = 10 / 5 = 2 bpm
ప్రామాణిక దోషాన్ని అర్థం చేసుకోవడం
2 bpm యొక్క SE అంటే మీ నమూనా సగటు 72 bpm నిజమైన జనాభా సగటులో ~2 bpm లోపల ఉండవచ్చు. ప్రత్యేకంగా, 95% విశ్వాస విరామం:
95% CI = x̄ ± 1.96 × SE = 72 ± 1.96 × 2 = 72 ± 3.92
కాబట్టి 95% CI [68.1, 75.9] bpm.
ప్రామాణిక విచలనం వర్సెస్ ప్రామాణిక లోపం
| మెట్రిక్ | చర్యలు | పెద్ద nతో తగ్గుతుందా? |
|---|---|---|
| ప్రామాణిక విచలనం | వ్యక్తిగత డేటా పాయింట్ల వ్యాప్తి | నం |
| ప్రామాణిక లోపం | నమూనా సగటు ఖచ్చితత్వం | అవును (SE = SD/√n) |
ఒక ముఖ్య ఉద్దేశ్యం: నమూనా పరిమాణం రెట్టింపు చేయడం వలన SE √2 ≈ 1.41 కారకం ద్వారా తగ్గుతుంది. SEని సగానికి తగ్గించడానికి, మీరు నమూనా పరిమాణాన్ని నాలుగు రెట్లు పెంచాలి.
ఏది ఎప్పుడు నివేదించాలి
- మీ నమూనాలోని వ్యక్తుల వైవిధ్యాన్ని వివరించేటప్పుడు SDని నివేదించండి
- మీరు జనాభా సగటును ఎంత ఖచ్చితంగా అంచనా వేసారో వివరించేటప్పుడు SE (లేదా CI)ని నివేదించండి
ఏదైనా డేటాసెట్ లేదా సారాంశ గణాంకాల కోసం మా ప్రామాణిక ఎర్రర్ కాలిక్యులేటర్ని ఉపయోగించండి.