I statistik är ett relativt standardfel (RSE) lika med standardfelet i en undersökningsuppskattning dividerat med undersökningsuppskattningen och sedan multipliceras med 100. Antalet multipliceras med 100 så det kan uttryckas som en procentandel. RSE representerar inte nödvändigtvis någon ny information utöver standardfelet, men det kan vara en överlägsen metod för att presentera statistiskt förtroende.
Relativt standardfel kontra standardfel
Standardfel mäter hur mycket en undersökningsuppskattning sannolikt kommer att avvika från den faktiska befolkningen. Det uttrycks som ett nummer. Däremot är relativt standardfel (RSE) standardfelet uttryckt som en bråkdel av uppskattningen och visas vanligtvis i procent. Uppskattningar med en RSE på 25% eller högre är föremål för högt provtagningsfel och bör användas med försiktighet.
Undersökningsuppskattning och standardfel
Undersökningar och standardfel är avgörande delar av sannolikhetsteori och statistik. Statistiker använder standardfel för att konstruera konfidensintervall från sina undersökta data. Tillförlitligheten för dessa uppskattningar kan också bedömas i termer av ett konfidensintervall. Förtroendesintervall är viktiga för att bestämma giltigheten av empiriska tester och forskning.
Ett konfidensintervall är en typ av intervalluppskattning, beräknad från statistiken över observerade data, som kan innehålla det verkliga värdet för en okänd populationsparameter. Förtroendeintervaller representerar intervallet i vilket befolkningsvärdet sannolikt kommer att ligga. De konstrueras med hjälp av uppskattningen av befolkningsvärdet och dess tillhörande standardfel. Till exempel finns det cirka 95% chans (dvs 19 chanser av 20) att befolkningsvärdet ligger inom två standardfel i uppskattningarna, så 95% konfidensintervall är lika med uppskattningen plus eller minus två standardfel.
I lekmannens termer är standardfelet för ett dataprov ett mått på den sannolika skillnaden mellan urvalet och hela populationen. Till exempel kan en studie som omfattar 10 000 cigarettrökande vuxna generera något annorlunda statistiska resultat än om alla möjliga cigarettrökande vuxna undersökts.
Mindre provfel indikerar mer pålitliga resultat. Den centrala gränssatsen i inferentialstatistiken antyder att stora prover tenderar att ha ungefär normala fördelningar och låga provfel.
Standardavvikelse och standardfel
Standardavvikelsen för en datamängd används för att uttrycka koncentrationen av undersökningsresultat. Mindre variation i data resulterar i en lägre standardavvikelse. Mer variation kommer sannolikt att leda till en högre standardavvikelse.
Standardfelet förväxlas ibland med standardavvikelsen. Standardfelet hänvisar faktiskt till medelavvikelsens standardavvikelse. Standardavvikelse hänvisar till variationen i varje givet prov, medan ett standardfel är variationen i själva samplingsfördelningen.
Relativt standardfel
Standardfelet är en absolut mätare mellan urvalsundersökningen och den totala befolkningen. Det relativa standardfelet visar om standardfelet är stort relativt resultaten; stora relativa standardfel antyder att resultaten inte är signifikanta. Formeln för relativt standardfel är:
Relativt standardfel = EstimateStandard-fel × 100 var: Standardfel = standardavvikelse för medelsteget Estimat = genomsnittet för provet
