<\/p>\n
De standaardfout van het gemiddelde<\/strong> is een manier om de verdeling van waarden in een dataset te meten. Het wordt als volgt berekend:<\/span><\/p>\n Standaardfout van het gemiddelde = s \/ \u221an<\/strong><\/span><\/p>\n Goud:<\/span><\/p>\n In deze tutorial worden twee methoden uitgelegd die u kunt gebruiken om de standaardfout van het gemiddelde van een dataset in Python te berekenen. Merk op dat beide methoden exact dezelfde resultaten opleveren.<\/span><\/p>\n De eerste manier om de standaardfout van het gemiddelde te berekenen is door de functie sem()<\/a> uit de SciPy Stats-bibliotheek te gebruiken.<\/span><\/p>\n De volgende code laat zien hoe u deze functie kunt gebruiken:<\/span><\/p>\n De standaardfout van het gemiddelde blijkt 2,001447<\/strong> te zijn.<\/span><\/p>\n Een andere manier om de standaardfout van het gemiddelde van een dataset te berekenen is door de std()-<\/a> functie van NumPy te gebruiken.<\/span><\/p>\n Merk op dat we ddof=1<\/strong> moeten specificeren in het argument van deze functie om de standaarddeviatie van de steekproef te berekenen, in tegenstelling tot de standaarddeviatie van de populatie.<\/span><\/em><\/p>\n De volgende code laat zien hoe u dit doet:<\/span><\/p>\n Opnieuw blijkt de standaardfout van het gemiddelde 2,001447<\/strong> te zijn.<\/span><\/p>\n De standaardfout van het gemiddelde is eenvoudigweg een maatstaf voor de spreiding van waarden rond het gemiddelde. Er zijn twee dingen waarmee u rekening moet houden bij het interpreteren van de standaardfout van het gemiddelde:<\/span><\/p>\n 1. Hoe groter de standaardfout van het gemiddelde, hoe meer verspreid de waarden rond het gemiddelde in een dataset liggen.<\/strong><\/span><\/p>\n Om dit te illustreren, overweeg of we de laatste waarde van de vorige dataset met een veel groter getal veranderen:<\/span><\/p>\n Merk op hoe de standaardfout toeneemt van 2.001447<\/strong> naar 6.978265<\/strong> . Dit geeft aan dat de waarden in deze dataset meer rond het gemiddelde verdeeld zijn vergeleken met de vorige dataset.<\/span><\/p>\n 2. Naarmate de steekproefomvang toeneemt, neigt de standaardfout van het gemiddelde af te nemen.<\/strong><\/span><\/p>\n Om dit te illustreren, beschouwen we de standaardfout van het gemiddelde voor de volgende twee sets gegevens:<\/span><\/p>\n De tweede dataset is eenvoudigweg de eerste dataset die twee keer wordt herhaald. Beide datasets hebben dus hetzelfde gemiddelde, maar de tweede dataset heeft een grotere steekproefomvang en heeft daarom een kleinere standaardfout.<\/span><\/p>\n Hoe de standaardfout van het gemiddelde in R te berekenen<\/a> De standaardfout van het gemiddelde is een manier om de verdeling van waarden in een dataset te meten. Het wordt als volgt berekend: Standaardfout van het gemiddelde = s \/ \u221an Goud: s : standaardafwijking van het monster n : steekproefomvang In deze tutorial worden twee methoden uitgelegd die u kunt gebruiken om de standaardfout […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-1063","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n\n
Methode 1: Gebruik SciPy<\/strong><\/span><\/h3>\n
from<\/span> scipy. stats<\/span> import<\/span> week\n\n#define dataset<\/span> \ndata = [3, 4, 4, 5, 7, 8, 12, 14, 14, 15, 17, 19, 22, 24, 24, 24, 25, 28, 28, 29]\n\n#calculate standard error of the mean<\/span> \nsem(data)\n\n2.001447<\/strong><\/pre>\n Methode 2: Gebruik NumPy<\/strong><\/span><\/h3>\n
import<\/span> numpy as<\/span> np\n\n#define dataset<\/span>\ndata = np.array([3, 4, 4, 5, 7, 8, 12, 14, 14, 15, 17, 19, 22, 24, 24, 24, 25, 28, 28, 29])\n\n#calculate standard error of the mean<\/span> \nn.p. std<\/span> (data, ddof= 1<\/span> ) \/ np. sqrt<\/span> ( np.size<\/span> (data))\n\n2.001447\n<\/strong><\/pre>\n Hoe de standaardfout van het gemiddelde te interpreteren<\/strong><\/h3>\n
from<\/span> scipy. stats<\/span> import<\/span> week\n\n#define dataset<\/span> \ndata = [3, 4, 4, 5, 7, 8, 12, 14, 14, 15, 17, 19, 22, 24, 24, 24, 25, 28, 28, 150<\/span> ]\n\n#calculate standard error of the mean<\/span> \nsem(data)\n\n6.978265<\/span>\n<\/strong><\/pre>\n from<\/span> scipy<\/span> . stats<\/span> import<\/span> week<\/span> \n\n#define first dataset and find SEM<\/span>\ndata1 = [1, 2, 3, 4, 5]\nsem(data1)\n\n0.7071068\n\n#define second dataset and find SEM<\/span>\ndata2 = [1, 2, 3, 4, 5, 1, 2, 3, 4, 5]\nsem(data2)\n\n0.4714045\n<\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h3>\n
Hoe de standaardfout van het gemiddelde in Excel te berekenen<\/a>
Hoe de standaardfout van het gemiddelde in Google Spreadsheets te berekenen<\/p>\n","protected":false},"excerpt":{"rendered":"