如下参考:
1.首先选择最后一个标准偏差来显示复制的单元格,如下图所示。
2.点击[start]-[autosum]旁边的三角形,就会出现一个下拉菜单。点击【其他功能】如下图所示。
3.出现[insertfunction]窗口,点击[selectcategory],选择[all],找到standarddeviation[STDEVP]函数,如下图所示。
4.单击ok后,单击箭头所指的位置并选择数据,如下图所示。
5.选择后,点击“ok”,可以看到计算出的标准差,如下图所示。
设n个测量值的误差为
,则这组测量值的标准误差
等于:
其中E为误差=测定值—真实值。
与标准差的区别
标准差与标准误差的意义、作用和使用范围均不同。标准差(亦称单数标准差)一般用SD(standard deviation)表示,是表示个体间变异大小的指标,反映了整个样本对样本平均数的离散程度,是数据精密度的衡量指标;而标准误差一般用SE(standard error)表示,反映样本平均数对总体平均数的变异程度,从而反映抽样误差的大小,是量度结果精密度的指标。
随着样本数(或测量次数)n的增大,标准差趋向某个稳定值,即样本标准差s越接近总体标准差σ,而标准误差则随着样本数(或测量次数)n的增大逐渐减小,即样本平均数越接近总体平均数μ;故在实验中也经常采用适当增加样本数(或测量次数)n减小的方法来减小实验误差,但样本数太大意义也不大。标准差是最常用的统计量,一般用于表示一组样本变量的分散程度;标准误差一般用于统计推断中,主要包括假设检验和参数估计,如样本平均数的假设检验、参数的区间估计与点估计等。
标准误=标准差 / N的根号。标准误差定义为各测量值误差的平方和的平均值的平方根,故又称为均方根误差。
标准误,即样本均数的标准差,是描述均数抽样分布的离散程度及衡量均数抽样误差大小的尺度,反映的是样本均数之间的变异。标准误不是标准差,是多个样本平均数的标准差。标准误用来衡量抽样误差。
标准误越小,表明样本统计量与总体参数的值越接近,样本对总体越有代表性,用样本统计量推断总体参数的可靠度越大。因此,标准误是统计推断可靠性的指标。
扩展资料:
需要注意的是,标准误差不是测量值的实际误差,也不是误差范围,它只是对一组测量数据可靠性的估计。标准误差小,测量的可靠性大一些,反之,测量就不大可靠。进一步的分析表明,根据偶然误差的高斯理论,当一组测量值的标准误差为σ时,则其中的任何一个测量值的误差εi有68.3%的可能性是在(-σ,+σ)区间内。
信度系数与信度指数:
除了测量标准误,通常在理测量中会使用信度系数和信度指数作为指标。
1、信度系数:即信度,一种相关性系数。常为同一受测者样本所得的两组资料的相关。
2、信度指数:也可作为信度系数。信度指数的平方就是信度系数。
参考资料:百度百科-se
欢迎分享,转载请注明来源:夏雨云
评论列表(0条)