Dziesięć jednostek rozrzutu w pojedynczym pomiarze, a średnia dwudziestu pięciu takich pomiarów niesie 10/√25 = 2 z niego. Stół roboczy wypisuje 2 dla 10/sqrt(25), a drugi link wypisuje √25 = 5, które wykonuje dzielenie. Pierwiastek to cały sens: niezależne błędy częściowo się znoszą, więc średnia jest ostrzejsza niż pojedynczy przypadek — ale tylko o √n, dlatego zmniejszenie niepewności o połowę kosztuje cztery razy więcej danych.
Czytaj σ/√n wstecz, a to powód, dla którego rozmiary prób wybiera się tak, jak się wybiera. Ścięcie błędu standardowego do jednej dziesiątej wymaga stukrotnie więcej obserwacji; pary w schemacie sparowanym, klastrowanie w badaniu i jakakolwiek korelacja między przypadkami czynią efektywne n mniejszym od policzonego n — i to pierwsza rzecz, o którą statystyk kłóci się przy nagłówkowej liczbie. Wielkość nazywa się błędem standardowym, by trzymać ją z dala od odchylenia standardowego, a pomieszanie obu — podawanie rozrzutu próby, jakby był niepewnością średniej — pompuje błąd dokładnie o ten czynnik; tak artykuł może wyglądać pięć razy bardziej zaszumiony, niż czynią go własne dane.
Odpowiedź
2
Jak to czytać
10/sqrt(25) na stole roboczym. Drugi link wypisuje √25 = 5, dzielnik; trzeci robi dzielenie jednym krokiem.
Źródło
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
Rozwiąż w kalkulatorze
Te linki otwierają właściwy kalkulator z już wpisanymi liczbami tego zadania. Powyższa linia to to, co powinien pokazać ekran — sprawdź sam.