In statistieken is een relatieve standaardfout (RSE) gelijk aan de standaardfout van een enquêteschatting gedeeld door de schatting van de enquête en vervolgens vermenigvuldigd met 100. Het getal wordt vermenigvuldigd met 100 zodat het als een percentage kan worden uitgedrukt.
RSE vertegenwoordigt niet noodzakelijkerwijs nieuwe informatie die verder gaat dan de standaardfout, maar het zou een superieure methode kunnen zijn om statistische betrouwbaarheid te presenteren.
Indice dei contenuti:
Relatieve standaardfout versus standaardfout
De standaardfout meet hoe waarschijnlijk het is dat een schatting van de enquête zal afwijken van de werkelijke populatie. Deze wordt uitgedrukt als een getal. De relatieve standaardfout (RSE) daarentegen is de standaardfout die wordt uitgedrukt als een fractie van de schatting en wordt gewoonlijk als percentage weergegeven.
Schattingen met een RSE van 25% of hoger zijn onderhevig aan een hoge steekproeffout en moeten met voorzichtigheid worden gebruikt. 1
Survey schatting en standaardfout
Standaard enquêtes en fouten zijn cruciale onderdelen van kansrekening en statistiek. Statistici gebruiken standaardfouten om betrouwbaarheidsintervallen te construeren uit de verzamelde gegevens. De betrouwbaarheid van deze schattingen kan ook worden beoordeeld aan de hand van het betrouwbaarheidsinterval. Betrouwbaarheidsintervallen zijn belangrijk voor het bepalen van de validiteit van tests en empirisch onderzoek.
Een betrouwbaarheidsinterval is een soort intervalschatting, berekend op basis van waargenomen gegevensstatistieken, die de werkelijke waarde van een onbekende populatieparameter kan bevatten. Betrouwbaarheidsintervallen vertegenwoordigen het bereik waarin de populatiewaarde zich waarschijnlijk bevindt. Ze worden geconstrueerd met behulp van de schatting van de waarde van de populatie en de bijbehorende standaardfout. Er is een kans van ongeveer 95% (of 19 van de 20 kansen) dat de populatiewaarde binnen twee standaardfouten van de schattingen ligt, dus het 95% betrouwbaarheidsinterval is gelijk aan de schatting plus of min twee standaardfouten. 1
Put simpelweg is de standaardfout van een gegevenssteekproef een maat voor het waarschijnlijke verschil tussen de steekproef en de hele populatie.
Een studie met 10.000 volwassen sigarettenrokers kan bijvoorbeeld enigszins andere statistische resultaten opleveren dan wanneer elke mogelijke volwassen sigarettenroker was geïnterviewd.
Kleine bemonsteringsfouten zijn indicatief voor betrouwbaardere resultaten. De centrale limietstelling in de inferentiële statistiek suggereert dat grote steekproeven de neiging hebben om ongeveer normale verdelingen en lage steekproeffouten te hebben.
Standaardafwijking en standaardfout
De standaarddeviatie van een dataset wordt gebruikt om de concentratie van enquêteresultaten uit te drukken. Minder verscheidenheid aan gegevens resulteert in een lagere standaarddeviatie. Meer variatie zal waarschijnlijk leiden tot een hogere standaarddeviatie.
Standaardfout wordt soms verward met standaarddeviatie. De standaardfout verwijst in feite naar de standaarddeviatie van het gemiddelde. Standaarddeviatie verwijst naar variabiliteit binnen een bepaald monster, terwijl een standaardfout de variabiliteit van de steekproefverdeling zelf is.
Relative Standard Error
De standaardfout is een absolute indicator tussen de steekproefenquête en de totale populatie. De relatieve standaardfout geeft aan of de standaardfout groot is in vergelijking met de resultaten; Grote relatieve standaardfouten suggereren dat de resultaten niet significant zijn. De formule voor de relatieve standaardfout is:
begin {align} & text {Relative Standard Error} = frac { text { Standard Error}} { text {Estimate}} times 100 \ & textbf {dove:} \ text {Standard Error} = text {Estimate } text {Estimate} = text {Mean of sample} \ end {aligned}Relative standard error=EstimateStandard error×1 0 0 where:Standard error=mean mean deviation of the mean sampleEstimate=mean of the sample
