Калькулятор выборочного распределения выборочного среднего

Калькулятор выборочного распределения выборочного среднего

Растущий AI Skill PRO

Введите расчет

Математическая формула

μx‾=Среднее μσx‾=Стандартное отклонение σОбъём выборки nσx‾2=Стандартное отклонение σ2Объём выборки n\mu_{\bar{x}} = {{\text{Среднее } \mu}} \qquad \sigma_{\bar{x}} = \frac{{{\text{Стандартное отклонение } \sigma}}}{\sqrt{{{\text{Объём выборки } n}}}} \qquad \sigma_{\bar{x}}^{2} = \frac{{{\text{Стандартное отклонение } \sigma}}^{2}}{{{\text{Объём выборки } n}}}
Статистика использования

Реклама

Результаты

Стандартная ошибка среднего (σx̄)
3
σ / √n
Среднее выборочного распределения (μx̄) 100
Дисперсия выборочного среднего (σx̄²) 9

Сообщить об ошибке на этой странице

Что такое выборочное распределение выборочного среднего?

Если многократно извлекать из генеральной совокупности случайные выборки объёмом n и для каждой считать среднее, то эти средние сами образуют новое распределение — выборочное распределение выборочного среднего. Данный калькулятор определяет его центр (среднее) и разброс (стандартную ошибку) по трём исходным значениям: среднему генеральной совокупности μ, стандартному отклонению совокупности σ и объёму выборки n.

Широкое распределение совокупности и более узкое выборочное распределение среднего, центрированные на одном значении
Выборочное распределение среднего центрировано вокруг среднего генеральной совокупности, но сужается с ростом объёма выборки.

Как пользоваться калькулятором

Введите среднее генеральной совокупности (μ), стандартное отклонение совокупности (σ) и объём выборки (n). Инструмент вернёт среднее выборочного распределения (μx̄), стандартную ошибку (σx̄) и дисперсию выборочного среднего (σx̄²). Стандартная ошибка показывает, насколько в среднем выборочные средние отклоняются от истинного среднего совокупности.

Разбор формулы

Среднее выборочного распределения всегда равно среднему генеральной совокупности: \(\mu_{\bar{x}} = \mu\). Разброс уменьшается с ростом объёма выборки:

$$\mu_{\bar{x}} = \text{Mean } \mu \qquad \sigma_{\bar{x}} = \frac{\text{Std Dev } \sigma}{\sqrt{\text{Sample Size } n}}$$

Поскольку мы делим на квадратный корень из n, удвоение объёма выборки не уменьшает стандартную ошибку вдвое — чтобы сократить её в два раза, нужно увеличить n в четыре раза. Согласно центральной предельной теореме, при больших n это распределение приближённо нормальное независимо от формы исходной совокупности.

Реклама
Формула стандартной ошибки в виде сигма на корень из n со стрелками, показывающими её уменьшение при росте n
Стандартная ошибка равна стандартному отклонению совокупности, делённому на квадратный корень из объёма выборки.

Разбор примера

Пусть \(\mu = 100\), \(\sigma = 15\) и \(n = 25\). Тогда \(\mu_{\bar{x}} = 100\), а

$$\sigma_{\bar{x}} = \frac{15}{\sqrt{25}} = \frac{15}{5} = 3$$

Дисперсия равна \(\sigma_{\bar{x}}^{2} = 3^{2} = 9\). Таким образом, средние по выборкам из 25 наблюдений группируются вокруг 100 со стандартной ошибкой 3.

Частые вопросы

Почему стандартная ошибка уменьшается при больших выборках? В больших выборках случайные колебания усредняются, поэтому их средние теснее сгруппированы вокруг истинного среднего.

Должна ли совокупность быть нормальной? Для приведённых формул — нет. Среднее и стандартная ошибка точны для любой совокупности. Нормальность самого выборочного распределения выполняется приближённо при больших n благодаря центральной предельной теореме.

Что делать, если известно только выборочное стандартное отклонение? Если σ неизвестно, используйте выборочное стандартное отклонение s в качестве оценки; тогда стандартная ошибка становится равной \(s/\sqrt{n}\) и часто применяется вместе с t-распределением.

Как размер выборки влияет на стандартную ошибку

В таблице среднее генеральной совокупности зафиксировано на уровне \(\mu = 100\), а стандартное отклонение генеральной совокупности — на уровне \(\sigma = 15\), после чего варьируется размер выборки \(n\). Среднее выборочного распределения во всех строках остаётся равным 100. Меняется только разброс.

Размер выборки n Стандартная ошибка \(\sigma/\sqrt{n}\) Дисперсия \(\sigma^2/n\) SE как доля σ
1 15 225 1
4 7.5 56.25 0.5
9 5 25 0.3333
25 3 9 0.2
100 1.5 2.25 0.1
400 0.75 0.5625 0.05

Отношение стандартной ошибки к σ равно \(1/\sqrt{n}\). Из-за квадратного корня увеличение размера выборки в четыре раза уменьшает стандартную ошибку вдвое: при переходе от n = 1 к 4, от 4 к 16 (или от 25 к 100, от 100 к 400) стандартная ошибка каждый раз уменьшается вдвое. Чтобы уменьшить её в десять раз, требуется в 100 раз больше наблюдений, поэтому сбор дополнительных данных даёт всё меньшую отдачу.

Реклама

Интерпретация стандартной ошибки

Стандартная ошибка \(\sigma_{\bar{x}} = \sigma/\sqrt{n}\) показывает, насколько выборочные средние варьируются от выборки к выборке. Если выборочное распределение \(\bar{x}\) приблизительно нормально (по центральной предельной теореме или потому, что сама генеральная совокупность нормальна), то примерно:

  • 68% выборочных средних попадают в пределы 1 стандартной ошибки от μ,
  • 95% попадают в пределы 2 стандартных ошибок (точнее, 1.96),
  • 99.7% попадают в пределы 3 стандартных ошибок.

Пример: при \(\mu = 100\) и \(\sigma_{\bar{x}} = 3\) (например, σ = 15 и n = 25):

Охват Интервал Диапазон выборочных средних
≈ 68% \(100 \pm 1(3)\) от 97 до 103
≈ 95% \(100 \pm 2(3)\) от 94 до 106
≈ 99.7% \(100 \pm 3(3)\) от 91 до 109

Стандартная ошибка и стандартное отклонение. Стандартное отклонение генеральной совокупности σ описывает, как отдельные значения варьируются вокруг μ. Стандартная ошибка описывает, как выборочные средние варьируются вокруг μ. При n > 1 она всегда меньше σ и уменьшается с ростом n.

Нормальность и размер выборки. Распространённое эмпирическое правило говорит, что n ≥ 30 достаточно для того, чтобы выборочное распределение среднего было приблизительно нормальным. Это лишь ориентир: для примерно симметричных совокупностей может хватить и меньшего n, а для сильно асимметричных или тяжелохвостых совокупностей может понадобиться значительно больше.

Конечные совокупности. Формула σ/√n предполагает выборку с возвратом или очень большую совокупность. При выборке без возврата, когда выборка составляет более примерно 5% совокупности размера N, стандартная ошибка умножается на поправку для конечной совокупности \(\sqrt{\frac{N-n}{N-1}}\), которая её уменьшает. Этот калькулятор данную поправку не применяет.

Ключевые термины и обозначения

  • Среднее генеральной совокупности (μ): среднее всех значений в совокупности.
  • Стандартное отклонение генеральной совокупности (σ): типичное расстояние отдельных значений совокупности от μ.
  • Размер выборки (n): количество наблюдений в каждой выборке.
  • Выборочное среднее (x̄): среднее n наблюдений одной выборки; оно варьируется от выборки к выборке.
  • Выборочное распределение: распределение вероятностей статистики (здесь x̄) по всем возможным выборкам размера n из совокупности.
  • Среднее выборочного распределения (\(\mu_{\bar{x}}\)): математическое ожидание x̄, которое равно μ, поэтому выборочное среднее является несмещённой оценкой μ.
  • Стандартная ошибка (\(\sigma_{\bar{x}}\)): стандартное отклонение выборочного распределения x̄, равное \(\sigma/\sqrt{n}\).
  • Дисперсия выборочного среднего (\(\sigma_{\bar{x}}^2\)): квадрат стандартной ошибки, \(\sigma^2/n\).
  • Центральная предельная теорема: для независимых наблюдений из совокупности с конечной дисперсией выборочное распределение x̄ приближается к нормальному при увеличении n, независимо от формы совокупности.
Последнее обновление:

Самые популярные в разделе Математика и статистика

Все калькуляторы раздела Математика и статистика