Supposons que je lance une expérience qui peut avoir 2 résultats et que je suppose que la "vraie" distribution sous-jacente des 2 résultats est une distribution binomiale avec les paramètres et : .
Je peux calculer l'erreur standard partir de la forme de la variance de : où . Donc, . Pour l'erreur standard, je reçois: , mais j'ai vu quelque part que . Qu'ai-je fait de mal?
binomial
standard-error
Franc
la source
la source
Réponses:
Il semble que vous utilisiez deux fois de deux manières différentes: à la fois comme taille d’échantillon et comme nombre d’essais de bernoulli comprenant la variable aléatoire binomiale; pour éliminer toute ambiguïté, je vais utiliser pour faire référence à cette dernière.kn k
Si vous avez échantillons indépendants d’une distribution , la variance de leur moyenne d’échantillon estB i n o m i a l ( k , p )n Binomial(k,p)
où et est la même moyenne. Cela suit depuis¯ Xq=1−p X¯¯¯¯
(1) , pour toute variable aléatoire, , et toute constante .var(cX)=c2var(X) cX c
(2) la variance d'une somme de variables aléatoires indépendantes est égale à la somme des variances .
L'erreur type de est la racine carrée de la variance: . Par conséquent, √X¯¯¯¯ kpqn−−−√
Lorsque , vous obtenez la formule que vous avez indiquée:√k=n pq−−√
Lorsque et que les variables binomiales ne sont que des essais bernoulli , vous obtenez la formule que vous avez vue ailleurs:√k=1 pqn−−√
la source
Il est facile de confondre deux distributions binomiales:
npq est le nombre de succès, alors que npq / n = pq est le ratio de succès. Il en résulte différentes formules d'erreur standard.
la source
Nous pouvons regarder cela de la manière suivante:
Supposons que nous fassions une expérience dans laquelle nous devions lancer une pièce impartiale fois. Le résultat global de l'expérience est qui est la somme des lancers individuels (par exemple, head en tant que 1 et tail en tant que 0). Donc, pour cette expérience, , où sont les résultats de lancers individuels.Y Y = ∑ n i = 1 X i X in Y Y=∑ni=1Xi Xi
Ici, le résultat de chaque tirage au sort, , suit une distribution de Bernoulli et le résultat global, une distribution binomiale. YXi Y
L'expérience complète peut être pensée comme un échantillon unique. Ainsi, si nous répétons l'expérience, nous pouvons obtenir une autre valeur de , ce qui constituera un autre échantillon. Toutes les valeurs possibles de constitueront la population complète.YY Y
Pour revenir au tirage au sort, qui suit une distribution de Bernoulli, la variance est donnée par , où est la probabilité de succès (tête) et .p q = 1 - ppq p q=1–p
Maintenant, si nous regardons la variance de , . Mais, pour toutes les expériences individuelles de Bernoulli, . Puisqu'il y a essais ou essais de Bernoulli dans l'expérience, . Cela implique que a la variance .Y V(Y)=V(∑Xi)=∑V(Xi) V(Xi)=pq n V(Y)=∑V(Xi)=npq Y npq
Maintenant, la proportion de l'échantillon est donnée par , ce qui donne la "proportion de succès ou de têtes". Ici, est une constante, car nous prévoyons d’effectuer le même nombre de lancers de pièces pour toutes les expériences de la population.p^=Yn n
Donc, .V(Yn)=(1n2)V(Y)=(1n2)(npq)=pq/n
Donc, l’erreur standard pour (un exemple de statistique) estp^ pq/n−−−−√
la source
$x$
donne .Je pense qu'il y a aussi une certaine confusion dans le post initial entre erreur type et écart type. L'écart-type est le carré de la variance d'une distribution; L'erreur type est l'écart-type de la moyenne estimée d'un échantillon de cette distribution, c'est-à-dire l'étendue des moyennes que vous observeriez si vous échantillonniez cet échantillon infiniment de fois. Le premier est une propriété intrinsèque de la distribution; ce dernier est une mesure de la qualité de votre estimation d'une propriété (la moyenne) de la distribution. Lorsque vous effectuez une expérience d'essais de N. Bernouilli pour estimer la probabilité inconnue de succès, l'incertitude de votre estimation p = k / N après avoir constaté k succès est une erreur type de la proportion estimée, sqrt (pq / N) où q = 1 -p. La vraie distribution est caractérisée par un paramètre P, la vraie probabilité de succès.
la source