Sai Số Chuẩn Là Gì?
Sai số chuẩn của giá trị trung bình (SEM, hay gọi tắt là SE) cho biết giá trị trung bình của một mẫu có thể dao động bao nhiêu so với giá trị trung bình thực của tổng thể. Nếu độ lệch chuẩn mô tả mức độ phân tán của từng điểm dữ liệu, thì sai số chuẩn phản ánh độ chính xác của giá trị trung bình mà bạn ước lượng được. Sai số chuẩn càng nhỏ thì trung bình mẫu càng đáng tin cậy khi đại diện cho trung bình tổng thể.
Cách Sử Dụng Công Cụ Này
Bạn chỉ cần nhập hai giá trị: độ lệch chuẩn mẫu (s) và cỡ mẫu (n). Công cụ sẽ chia độ lệch chuẩn cho căn bậc hai của cỡ mẫu và trả về ngay sai số chuẩn của giá trị trung bình. Hãy dùng nó mỗi khi bạn xây dựng khoảng tin cậy, kiểm định giả thuyết hay báo cáo sai số biên.
Giải Thích Công Thức
Sai số chuẩn được tính theo công thức
$$\text{SE} = \frac{\text{Standard Deviation (s)}}{\sqrt{\text{Sample Size (n)}}}$$Mấu chốt nằm ở mẫu số, tức căn bậc hai của \(n\): khi cỡ mẫu tăng lên, căn bậc hai tăng chậm hơn, nên sai số chuẩn sẽ nhỏ đi. Muốn giảm sai số chuẩn xuống một nửa, bạn phải thu thập gấp bốn lần số quan sát. Đó chính là lý do vì sao mẫu lớn hơn cho ra ước lượng trung bình tổng thể chính xác hơn.
Ví Dụ Minh Họa
Giả sử một mẫu gồm 25 phép đo có độ lệch chuẩn bằng 10. Khi đó
$$\text{SE} = \frac{10}{\sqrt{25}} = \frac{10}{5} = 2$$Như vậy, trung bình mẫu được kỳ vọng sẽ chênh lệch khoảng 2 đơn vị so với trung bình thực của tổng thể. Nếu bạn tăng cỡ mẫu lên 100, sai số chuẩn sẽ giảm còn \(10 / 10 = 1\), tức độ chính xác tăng gấp đôi.
Câu Hỏi Thường Gặp
Độ lệch chuẩn và sai số chuẩn khác nhau ra sao? Độ lệch chuẩn đo mức độ biến thiên giữa các điểm dữ liệu riêng lẻ; còn sai số chuẩn đo mức độ biến thiên của trung bình mẫu khi dùng nó để ước lượng trung bình tổng thể.
Sai số chuẩn có giảm khi cỡ mẫu tăng không? Có. Vì \(n\) nằm dưới dấu căn bậc hai ở mẫu số, nên cỡ mẫu càng lớn thì sai số chuẩn càng nhỏ.
Tôi có thể dùng công cụ này cho tỷ lệ không? Công cụ này dùng cho sai số chuẩn của giá trị trung bình. Sai số chuẩn của một tỷ lệ lại dùng công thức khác là \(\sqrt{p(1-p)/n}\).