Dix unités de dispersion dans une seule mesure, et la moyenne de vingt-cinq mesures comme celle-là en porte 10/√25 = 2. L'espace de travail affiche 2 pour 10/sqrt(25), et le deuxième lien affiche le √25 = 5 qui fait la division. La racine carrée est tout le point : les erreurs indépendantes s'annulent en partie, donc la moyenne est plus précise que le cas individuel, mais seulement de √n, et c'est pour cela que réduire une incertitude de moitié coûte quatre fois plus de données.
Lisez σ/√n à l'envers et c'est la raison pour laquelle les tailles d'échantillon sont choisies comme elles le sont. Couper l'erreur-type au dixième exige cent fois plus d'observations ; les paires d'un plan apparié, les grappes d'un sondage et toute corrélation entre cas font que le n effectif est plus petit que le n compté, ce qui est la première chose qu'un statisticien discute dans un chiffre qui fait la une. La quantité s'appelle erreur-type pour la garder séparée de l'écart-type, et confondre les deux — citer la dispersion de l'échantillon comme si c'était l'incertitude de la moyenne — gonfle l'erreur exactement de ce facteur, ce qui est la façon dont un article peut paraître cinq fois plus bruité que ses propres données ne le font.
Réponse
2
Comment la lire
10/sqrt(25) sur l'espace de travail. Le deuxième lien affiche √25 = 5, le diviseur ; le troisième fait la division en un seul pas.
Source
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
Résolvez-le dans la calculatrice
Ces liens ouvrent la calculatrice appropriée avec les nombres de ce problème déjà saisis. La ligne ci-dessus correspond à ce que l'écran devrait afficher : vérifiez par vous-même.