樣本平均數的抽樣分配計算器

樣本平均數的抽樣分配計算器

成長中 AI Skill PRO

輸入計算

數學公式

μx‾=平均數 μσx‾=標準差 σ樣本數 nσx‾2=標準差 σ2樣本數 n\mu_{\bar{x}} = {{\text{平均數 } \mu}} \qquad \sigma_{\bar{x}} = \frac{{{\text{標準差 } \sigma}}}{\sqrt{{{\text{樣本數 } n}}}} \qquad \sigma_{\bar{x}}^{2} = \frac{{{\text{標準差 } \sigma}}^{2}}{{{\text{樣本數 } n}}}
使用統計

廣告

結果

平均數的標準誤(σx̄)
3
σ / √n
抽樣分配的平均數(μx̄) 100
樣本平均數的變異數(σx̄²) 9

回報本頁錯誤

什麼是樣本平均數的抽樣分配?

如果你從一個母體中反覆抽取大小為 \(n\) 的隨機樣本,並計算每一組樣本的平均數,這些平均數本身也會形成一個分配,這就是樣本平均數的抽樣分配。本計算器只要三個數值,就能算出這個分配的中心(平均數)與離散程度(標準誤):母體平均數 \(\mu\)、母體標準差 \(\sigma\),以及樣本數 \(n\)。

較寬的母體分布與以同一值為中心的較窄均值抽樣分布
均值的抽樣分布以母體均值為中心,但隨著樣本量增大而變窄。

如何使用本計算器

輸入母體平均數(\(\mu\))、母體標準差(\(\sigma\))與你的樣本數(\(n\)),工具會回傳抽樣分配的平均數(\(\mu_{\bar{x}}\))、標準誤(\(\sigma_{\bar{x}}\))以及樣本平均數的變異數(\(\sigma_{\bar{x}}^{2}\))。標準誤代表的是:各組樣本平均數與真正母體平均數之間,通常會有多大的偏離程度。

公式解析

抽樣分配的平均數永遠等於母體平均數:\(\mu_{\bar{x}} = \mu\)。而離散程度則會隨著樣本變大而縮小:\(\sigma_{\bar{x}} = \sigma/\sqrt{n}\)。

$$\mu_{\bar{x}} = \mu \qquad \sigma_{\bar{x}} = \frac{\sigma}{\sqrt{n}}$$

由於分母是 \(n\) 的平方根,所以樣本數加倍並不會讓標準誤減半——想把標準誤砍掉一半,必須把 \(n\) 變成四倍。根據中央極限定理,當 \(n\) 夠大時,不論母體原本的形狀如何,這個抽樣分配都會近似常態分配。

廣告
標準誤公式顯示為西格瑪除以根號n,箭頭表示隨著n增大而減小
標準誤等於母體標準差除以樣本量的平方根。

範例演練

假設 \(\mu = 100\)、\(\sigma = 15\)、\(n = 25\)。那麼 \(\mu_{\bar{x}} = 100\),

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

變異數為 \(\sigma_{\bar{x}}^{2} = 3^{2} = 9\)。換句話說,由 25 筆觀測值算出的樣本平均數,會集中在 100 附近,標準誤為 3。

樣本數如何改變標準誤

此表將母體平均數固定為 \(\mu = 100\)、母體標準差固定為 \(\sigma = 15\),再改變樣本數 \(n\)。抽樣分配的平均數在每一列都維持為 100,只有離散程度會改變。

樣本數 n 標準誤 \(\sigma/\sqrt{n}\) 變異數 \(\sigma^2/n\) 標準誤與 σ 的比值
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

標準誤與 σ 的比值等於 \(1/\sqrt{n}\)。由於有平方根的關係,樣本數變為四倍時,標準誤會減半:從 n = 1 增至 4、從 4 增至 16(或從 25 增至 100、從 100 增至 400),標準誤每次都會減為一半。若要將標準誤降為十分之一,則需要 100 倍的觀測數,因此多蒐集資料的效益會遞減。

解讀標準誤

標準誤 \(\sigma_{\bar{x}} = \sigma/\sqrt{n}\) 衡量樣本平均數在不同樣本之間的變化幅度。若 \(\bar{x}\) 的抽樣分配近似為常態(依據中央極限定理,或因母體本身即為常態),則大約會有:

  • 68% 的樣本平均數落在 μ 的 1 個標準誤範圍內,
  • 95% 落在 2 個標準誤範圍內(更精確地說為 1.96),
  • 99.7% 落在 3 個標準誤範圍內。

範例:當 \(\mu = 100\) 且 \(\sigma_{\bar{x}} = 3\)(例如 σ = 15、n = 25)時:

涵蓋機率 區間 樣本平均數範圍
≈ 68% \(100 \pm 1(3)\) 97 至 103
≈ 95% \(100 \pm 2(3)\) 94 至 106
≈ 99.7% \(100 \pm 3(3)\) 91 至 109

標準誤與標準差的差異。母體標準差 σ 描述個別數值圍繞 μ 的變化程度。標準誤則描述樣本平均數圍繞 μ 的變化程度。當 n > 1 時,標準誤一定小於 σ,且會隨 n 增加而縮小。

常態性與樣本數。一般經驗法則認為 n ≥ 30 即足以讓平均數的抽樣分配近似為常態。這僅是一項指引:對於近似對稱的母體,較小的 n 可能已足夠;但對於嚴重偏態或厚尾的母體,則可能需要多得多的樣本。

有限母體。公式 σ/√n 假設為放回抽樣或母體非常大。若為不放回抽樣,且樣本超過母體大小 N 的約 5%,則標準誤需乘上有限母體校正因子 \(\sqrt{\frac{N-n}{N-1}}\),使其變小。本計算機未套用此校正。

廣告

關鍵名詞與符號

  • 母體平均數 (μ):母體中所有數值的平均值。
  • 母體標準差 (σ):母體中個別數值與 μ 的典型距離。
  • 樣本數 (n):每個樣本中的觀測值個數。
  • 樣本平均數 (x̄):一個樣本中 n 個觀測值的平均值;它會因樣本不同而變動。
  • 抽樣分配:統計量(此處為 x̄)在母體中所有大小為 n 的可能樣本上的機率分配。
  • 抽樣分配的平均數 (\(\mu_{\bar{x}}\)):x̄ 的期望值,等於 μ,因此樣本平均數是 μ 的不偏估計量。
  • 標準誤 (\(\sigma_{\bar{x}}\)):x̄ 抽樣分配的標準差,等於 \(\sigma/\sqrt{n}\)。
  • 樣本平均數的變異數 (\(\sigma_{\bar{x}}^2\)):標準誤的平方,即 \(\sigma^2/n\)。
  • 中央極限定理:對於來自具有有限變異數之母體的獨立觀測值,隨著 n 增加,x̄ 的抽樣分配會趨近於常態分配,與母體的形狀無關。

常見問題

為什麼樣本越大,標準誤就越小?樣本越大,隨機波動越容易被平均掉,因此各組樣本平均數會更緊密地圍繞在真正的平均數附近。

母體一定要呈常態分配嗎?就這裡的公式而言並不需要。無論母體為何種分配,平均數與標準誤的計算都是精確的。至於抽樣分配本身要近似常態,則需透過中央極限定理,在 \(n\) 夠大時成立。

如果我只有樣本標準差怎麼辦?當 \(\sigma\) 未知時,可改用樣本標準差 \(s\) 作為估計值,此時標準誤變成 \(s/\sqrt{n}\),通常會搭配 \(t\) 分配一起使用。

最後更新:

數學和統計熱門計算器

查看全部數學和統計計算器