Sa mga istatistika, ang isang kamag-anak na standard na error (RSE) ay katumbas ng pamantayang error ng isang pagtatantya sa survey na hinati sa pagtatantya ng survey at pagkatapos ay pinarami ng 100. Ang bilang ay pinarami ng 100 upang maipahayag ito bilang isang porsyento. Ang RSE ay hindi kinakailangang kumatawan ng anumang bagong impormasyon na lampas sa pamantayang error, ngunit maaaring maging isang mahusay na pamamaraan ng paglalahad ng tiwala sa istatistika.
Relatibong Pamantayang Error kumpara sa Standard Error
Sinusukat ng pamantayang error kung magkano ang isang pagtatantya ng survey na malamang na lumihis mula sa aktwal na populasyon. Ito ay ipinahayag bilang isang numero. Sa kabaligtaran, ang kamag-anak na standard na error (RSE) ay ang pamantayang error na ipinahayag bilang isang maliit na bahagi ng pagtatantya at karaniwang ipinapakita bilang isang porsyento. Ang mga pagtatantya na may isang RSE na 25% o mas malaki ay napapailalim sa mataas na pag-sampling error at dapat gamitin nang may pag-iingat.
Pagtantya sa Survey at Standard Error
Ang mga pagsusuri at karaniwang mga error ay mga mahalagang bahagi ng teorya at istatistika ng posibilidad. Ang mga istatistika ay gumagamit ng mga pamantayang error upang mabuo ang mga agwat ng kumpiyansa mula sa kanilang nasuri na data. Ang pagiging maaasahan ng mga pagtatantya na ito ay maaari ring masuri sa mga tuntunin ng agwat ng kumpiyansa. Ang mga agwat ng kumpiyansa ay mahalaga para sa pagtukoy ng bisa ng mga pagsubok sa empirikal at pananaliksik.
Ang isang agwat ng kumpiyansa ay isang uri ng pagtatantya ng agwat, na naipon mula sa mga istatistika ng sinusunod na data, na maaaring naglalaman ng tunay na halaga ng isang hindi kilalang parameter ng populasyon. Ang mga pagitan ng kumpiyansa ay kumakatawan sa saklaw kung saan ang halaga ng populasyon ay malamang na magsisinungaling. Ang mga ito ay itinayo gamit ang pagtatantya ng halaga ng populasyon at ang nauugnay na pamantayang error. Halimbawa, mayroong humigit-kumulang na 95% na pagkakataon (ibig sabihin 19 na posibilidad sa 20) na ang halaga ng populasyon ay namamalagi sa loob ng dalawang karaniwang mga pagkakamali ng mga pagtatantya, kaya ang 95% agwat ng kumpiyansa ay katumbas ng pagtatantya plus o minus dalawang karaniwang mga error.
Sa mga tuntunin ng layman, ang karaniwang error ng isang sample ng data ay isang pagsukat ng malamang na pagkakaiba sa pagitan ng sample at ng buong populasyon. Halimbawa, ang isang pag-aaral na kinasasangkutan ng 10, 000 na may sapat na sigarilyo ay maaaring makabuo ng bahagyang magkakaibang mga resulta ng istatistika kaysa kung ang bawat posibleng sigarilyo na naninigarilyo ay sinuri.
Ang mas maliit na mga error sa sample ay nagpapahiwatig ng mas maaasahang mga resulta. Ang gitnang limitasyon ng teorem sa mga istatistika ng bulok na nagmumungkahi na ang mga malalaking sample ay may posibilidad na magkaroon ng humigit-kumulang na normal na pamamahagi at mababang mga error sa sample.
Standard Deviation at Standard Error
Ang karaniwang paglihis ng isang set ng data ay ginagamit upang maipahayag ang konsentrasyon ng mga resulta ng survey. Hindi gaanong pagkakaiba-iba sa mga resulta ng data sa isang mas mababang standard na paglihis. Marami pang iba ay malamang na magreresulta sa isang mas mataas na pamantayang paglihis.
Ang karaniwang error ay nalilito kung minsan sa karaniwang paglihis. Ang karaniwang error na aktwal na tumutukoy sa karaniwang paglihis ng ibig sabihin. Ang standard na paglihis ay tumutukoy sa pagkakaiba-iba sa loob ng anumang naibigay na sample, habang ang isang karaniwang error ay ang pagkakaiba-iba ng pamamahagi ng sampling mismo.
Error sa Pamamagitan ng Pamamagitan
Ang karaniwang error ay isang ganap na sukat sa pagitan ng sample na survey at ang kabuuang populasyon. Ipinapakita ng kamag-anak na standard na error kung ang karaniwang error ay malaking kamag-anak sa mga resulta; malaking kamag-anak na karaniwang mga error na nagmumungkahi ang mga resulta ay hindi makabuluhan. Ang pormula para sa kamag-anak na standard na error ay:
Relatibong Pamantayang Error = EstimateStandard Error × 100 saanman: Standard Error = standard na paglihis ng ibig sabihin sampleEstimate = mean ng sample
