Diez unidades de dispersión en una sola medición, y el promedio de veinticinco mediciones así arrastra 10/√25 = 2 de ellas. El banco de trabajo imprime 2 para 10/sqrt(25), y el segundo enlace imprime el √25 = 5 que hace la división. La raíz cuadrada es todo el punto: los errores independientes se cancelan en parte, así que la media es más precisa que el caso individual, pero solo por √n, y por eso reducir una incertidumbre a la mitad cuesta cuatro veces más datos.
Lee σ/√n al revés y es la razón por la que los tamaños de muestra se eligen como se eligen. Recortar el error estándar a la décima parte exige cien veces más observaciones; los pares de un diseño pareado, los conglomerados de una encuesta y cualquier correlación entre casos hacen que la n efectiva sea menor que la n contada, que es lo primero que un estadístico discute de una cifra de titular. La cantidad se llama error estándar para mantenerla separada de la desviación estándar, y confundir las dos —citar la dispersión de la muestra como si fuera la incertidumbre de la media— infla el error justo en este factor, que es como un artículo puede parecer cinco veces más ruidoso de lo que sus propios datos lo hacen.
Respuesta
2
Cómo leerla
10/sqrt(25) en el banco de trabajo. El segundo enlace imprime √25 = 5, el divisor; el tercero hace la división en un solo paso.
Fuente
The variance of a sum of independent terms is the sum of their variances, so the mean of n of them has variance σ²/n and standard deviation σ/√n; the √n law is the standard consequence in the error theory of Gauss and Legendre
Resuélvelo en la calculadora
Estos enlaces abren la calculadora adecuada con los números de este problema ya escritos. La línea de arriba es lo que debería mostrar la pantalla: compruébalo tú mismo.