Sinusukat ng karaniwang paglihis (SD) ang dami ng pagkakaiba-iba, o pagpapakalat, para sa isang paksa na hanay ng data mula sa ibig sabihin, habang ang pamantayang error ng mean (SEM) ay sumusukat kung gaano kalayo ang halimbawang ibig sabihin ng data ay malamang na mula sa ibig sabihin ng totoong populasyon. Ang SEM ay palaging mas maliit kaysa sa SD.
Ang karaniwang paglihis at karaniwang error ay madalas na ginagamit sa mga klinikal na pag-aaral sa eksperimentong. Sa mga pag-aaral na ito, ang karaniwang paglihis (SD) at ang tinantyang standard error ng mean (SEM) ay ginagamit upang ipakita ang mga katangian ng data ng sample at upang ipaliwanag ang mga resulta ng pagsusuri sa istatistika. Gayunpaman, ang ilang mga mananaliksik ay paminsan-minsan ay nalito ang SD at SEM sa medikal na panitikan. Ang mga nasabing mananaliksik ay dapat tandaan na ang mga kalkulasyon para sa SD at SEM ay may kasamang iba't ibang mga estadistika sa istatistika, ang bawat isa sa kanila ay may sariling kahulugan. Ang SD ay ang pagpapakalat ng data sa isang normal na pamamahagi. Sa madaling salita, ipinapahiwatig ng SD kung paano tumpak ang ibig sabihin nito ay kumakatawan sa data ng sample. Gayunpaman, ang kahulugan ng SEM ay may kasamang statistic inference batay sa pamamahagi ng sampling. Ang SEM ay ang SD ng teoretikal na pamamahagi ng halimbawang nangangahulugang (ang pamamahagi ng sampling).
Pagkalkula ng Standard Error ng Mean
Karaniwang paglihis σ = n − 1∑i = 1n (xi −x¯) 2 pagkakaiba-iba = σ2standard error (σx¯) = n σ kung saan: x¯ = ang ibig sabihin ng sample = ang laki ng sample
Ang SEM ay kinakalkula sa pamamagitan ng pagkuha ng karaniwang paglihis at paghati nito sa parisukat na ugat ng laki ng sample.
Ang formula para sa SD ay nangangailangan ng ilang mga hakbang:
- Una, kunin ang parisukat ng pagkakaiba sa pagitan ng bawat punto ng data at ang halimbawang ibig sabihin, sa paghahanap ng kabuuan ng mga halagang iyon.Then, hatiin ang kabuuan ng halimbawang laki ng minus isa, na kung saan ay ang pagkakaiba-iba. Sa kabuuan, kunin ang parisukat na ugat ng pagkakaiba-iba. upang makuha ang SD.
Ang mga karaniwang error na function ay isang paraan upang mapatunayan ang kawastuhan ng isang sample o kawastuhan ng maraming mga sample sa pamamagitan ng pagsusuri ng paglihis sa loob ng paraan. Inilarawan ng SEM kung paano tumpak ang kahulugan ng sample ay kumpara sa totoong ibig sabihin ng populasyon. Habang lumalaki ang laki ng data ng sample, bumababa ang SEM kumpara sa SD. Habang nagdaragdag ang laki ng halimbawang, ang totoong kahulugan ng populasyon ay kilala na may higit na pagtutukoy. Sa kaibahan, ang pagtaas ng halimbawang laki ay nagbibigay din ng isang mas tiyak na sukatan ng SD. Gayunpaman, ang SD ay maaaring higit pa o mas mababa depende sa pagkalat ng karagdagang data na idinagdag sa sample.
Ang karaniwang error ay itinuturing na bahagi ng mga istatistika na naglalarawan. Kinakatawan nito ang karaniwang paglihis ng ibig sabihin sa loob ng isang dataset. Ito ay nagsisilbing isang sukatan ng pagkakaiba-iba para sa mga random na variable, na nagbibigay ng pagsukat para sa pagkalat. Ang mas maliit na pagkalat, ang mas tumpak na ang dataset.
Gayunpaman, ang karaniwang paglihis ay isang sukatan ng pagkasumpungin at maaaring magamit bilang isang panukalang peligro para sa isang pamumuhunan. Ang mga Asset na may mas mataas na presyo ay may mas mataas na SD kaysa sa mga asset na may mas mababang presyo. Ang SD ay maaaring magamit upang masukat ang kahalagahan ng isang paglipat ng presyo sa isang asset. Sa pagpapalagay ng isang normal na pamamahagi, sa paligid ng 68% ng pang-araw-araw na mga pagbabago sa presyo ay nasa loob ng isang SD ng kahulugan, na may halos 95% ng mga pagbabago sa presyo araw-araw sa loob ng dalawang SD ng kahulugan.
