Kalkulator Błędu Standardowego Średniej - SEM i Odsetek

Błąd standardowy: o ile chwieje się średnia, a nie pojedynczy pomiar

Która liczba powinna stanąć w raporcie obok średniej: 620,00 czy 98,0? Obie opisują te same czterdzieści obserwacji. Pierwsza to odchylenie standardowe i mówi, jak rozrzucone są pojedyncze wyniki. Druga to błąd standardowy, czyli s podzielone przez pierwiastek z n, i mówi, jak bardzo różniłaby się średnia, gdyby badanie powtórzyć na innej losowej grupie. Kalkulator liczy błąd standardowy na trzy sposoby: z wklejonej serii pomiarów, z gotowego odchylenia i liczebności oraz dla odsetka, gdzie rozrzut wynika wprost z samego wyniku. Do tego pokazuje, jak błąd spada przy większej próbie i ile obserwacji trzeba dołożyć, żeby zejść do zadanej wartości.

Odchylenie standardowe a błąd standardowy: co która liczba mówi

To jest najczęstsze pomieszanie w całej statystyce opisowej i warto je rozstrzygnąć od razu, zanim przejdziemy do rachunków.

Wykres słupkowy z wąsami może pokazywać jedno albo drugie i wygląda tak samo. Dlatego w podpisie pod wykresem zawsze powinno stać, co tam właściwie jest. Wąsy z błędu standardowego są około 6 razy krótsze niż z odchylenia przy trzydziestu kilku obserwacjach, więc dane wyglądają wtedy znacznie spokojniej, niż są w rzeczywistości.

Rachunek krok po kroku

1. Wybierz źródło danych - serię pomiarów, gotowe statystyki albo proporcję. Przy serii kalkulator sam policzy liczebność i odchylenie, przy statystykach bierze je wprost z pól, przy proporcji wylicza rozrzut z samego odsetka.
2. Wklej serię albo wpisz odchylenie i liczebność - odchylenie musi być próbkowe, z dzielnikiem n-1. W arkuszu kalkulacyjnym odpowiada mu funkcja odchylenia standardowego próbki. Liczebność to liczba całkowita, minimum 2.
3. Dla odsetka podaj liczbę wyróżnionych obserwacji i całej próby - na przykład 300 z 1 000. Rozrzut liczy się wtedy ze wzoru z p i 1-p, bo przy cesze zero-jedynkowej odchylenie wynika z samego wyniku.
4. Opcjonalnie wpisz docelowy błąd standardowy - kalkulator policzy, ile obserwacji potrzeba, żeby go osiągnąć przy tym samym rozrzucie. Przy odsetku wpisz cel w punktach procentowych.
5. Odczytaj wyniki - błąd standardowy w kafelku głównym, obok rozrzut, liczebność i próba potrzebna do zejścia o połowę. Niżej tabela pokazująca, jak błąd zmienia się przy próbie dwa, cztery, dziewięć i szesnaście razy większej.

Ile obserwacji trzeba dołożyć, żeby było dokładniej

Błąd standardowy maleje jak pierwiastek z liczebności, a nie wprost proporcjonalnie. To ma konsekwencję, która zaskakuje przy planowaniu budżetu badania: podwojenie próby zbija błąd tylko o 29 %, a żeby zmniejszyć go o połowę, próba musi urosnąć czterokrotnie. Poniżej ta sama próba 40 obserwacji przy odchyleniu 620.

Pole docelowego błędu odwraca to pytanie. Przy odchyleniu 620 i celu 50,0 kalkulator odpowiada, że potrzeba 154 obserwacji, czyli o 114 więcej niż obecne czterdzieści. Przy odchyleniu 10, próbie 25 i celu 1 wychodzi równo 100 obserwacji, o 75 więcej. Liczebność rośnie z kwadratem oczekiwanej poprawy i stąd bierze się cała ekonomia badań: pierwsze kilkadziesiąt obserwacji kupuje bardzo dużo precyzji, kolejne setki coraz mniej.

Błąd standardowy odsetka

Przy cesze zero-jedynkowej, gdzie każda obserwacja to „tak" albo „nie", nie trzeba osobno liczyć odchylenia. Wynika ono wprost z odsetka: im bliżej 50 %, tym rozrzut większy, im bliżej krańców, tym mniejszy. Dla 300 odpowiedzi „tak" na 1 000 błąd standardowy wynosi 1,45 punktu procentowego, a odchylenie cechy zero-jedynkowej 0,4583. Ta sama proporcja w próbie 20 osób, czyli 7 z 20, daje już 10,7 punktu procentowego, bo mała próba to szeroki rozrzut.

Przy bardzo małej liczbie trafień sam błąd standardowy przestaje wystarczać. Dla 2 wyróżnionych obserwacji na 500 wychodzi 0,282 punktu procentowego, ale rozkład jest wtedy tak niesymetryczny, że przedział zbudowany symetrycznie wokół wyniku wychodzi poniżej zera. W takich sytuacjach sięga się po przedział ufności metodą Wilsona, który tego problemu nie ma.

Dlaczego sondaże przy 50 procentach są najmniej precyzyjne

Rozrzut cechy zero-jedynkowej jest największy wtedy, gdy odpowiedzi rozkładają się po połowie, i maleje w stronę obu krańców skali. Ta sama próba 1 000 osób daje więc różną precyzję w zależności od tego, jaki wynik padł. Wynik 5 % jest znany z dokładnością ponad dwukrotnie lepszą niż wynik 50 %, choć nikt nie zmieniał metodologii.

Dlatego przy planowaniu badania przyjmuje się zwykle najgorszy przypadek, czyli 50 %. Liczebność policzona przy tym założeniu wystarczy dla każdego wyniku, jaki faktycznie padnie. I dlatego dwie partie z wynikami 30 % i 70 % mają w tym samym sondażu identyczną niepewność, mimo że jedna wygrywa, a druga przegrywa.

Kiedy ten wzór zaniża niepewność

Pierwiastek z liczebności w mianowniku zakłada, że każda obserwacja wnosi nową, niezależną informację. Wystarczy, że to założenie przestaje być prawdziwe, a błąd standardowy wychodzi za mały i wynik wygląda na precyzyjniejszy, niż jest.

Pierwszy przypadek to powtórzone pomiary tego samego obiektu. Dziesięć odczytów z jednego czujnika to nie dziesięć niezależnych obserwacji, tylko jedna obserwacja zmierzona dziesięć razy, a rozrzut między odczytami opisuje precyzję przyrządu, nie zmienność badanej cechy. Drugi to dane zebrane w grupach: uczniowie z jednej klasy, pacjenci jednego lekarza, klienci jednego oddziału. Osoby z tej samej grupy są do siebie bardziej podobne niż losowo dobrane, więc 200 ankiet z dwóch klas niesie mniej informacji niż 200 ankiet z dwustu różnych szkół. Trzeci to szeregi czasowe, gdzie sąsiednie pomiary zależą od siebie z definicji.

W każdym z tych przypadków klasyczny wzór nadal coś policzy i nie wyświetli ostrzeżenia, bo z samych liczb nie da się rozpoznać, skąd pochodzą. Dlatego pytanie o sposób zebrania danych jest ważniejsze niż sam rachunek, a przy danych grupowych sięga się po metody uwzględniające strukturę próby.

Najczęstsze błędy i pułapki

Cztery policzone przykłady

Pytania, które wracają przy błędzie standardowym

Powiązane narzędzia

Kalkulator Kwartyli z Szeregu Rozdzielczego

Q1, mediana i Q3 z przedziałów klasowych, przez interpolację w klasie kwartylowej - Zobacz kalkulator

Kalkulator Przedziału Ufności

Zamienia błąd standardowy na przedział, mnożąc go przez wartość z rozkładu t - Zobacz kalkulator

Kalkulator Odchylenia Standardowego

Odchylenie i wariancja z dowolnego zbioru liczb, czyli licznik tego wzoru - Zobacz kalkulator

Kalkulator Wielkości Próby

Planowanie badania od strony marginesu i poziomu ufności, przed zebraniem danych - Zobacz kalkulator

Kalkulator Współczynnika Zmienności

Rozrzut w procentach średniej, przydatny przy porównywaniu dwóch różnych serii - Zobacz kalkulator

Kalkulator Testu t Jednopróbowego

Sprawdza, czy średnia różni się istotnie od zadanej wartości, korzystając z tego samego błędu - Zobacz kalkulator

Kalkulator Z-score

Standaryzacja pojedynczej wartości względem średniej i odchylenia - Zobacz kalkulator