<\/p>\n
O erro padr\u00e3o da m\u00e9dia<\/strong> \u00e9 uma forma de medir a distribui\u00e7\u00e3o de valores em um conjunto de dados. \u00c9 calculado da seguinte forma:<\/span><\/p>\n Erro padr\u00e3o da m\u00e9dia = s \/ \u221an<\/strong><\/span><\/p>\n Ouro:<\/span><\/p>\n Este tutorial explica dois m\u00e9todos que voc\u00ea pode usar para calcular o erro padr\u00e3o da m\u00e9dia de um conjunto de dados em Python. Observe que ambos os m\u00e9todos produzem exatamente os mesmos resultados.<\/span><\/p>\n A primeira maneira de calcular o erro padr\u00e3o da m\u00e9dia \u00e9 usar a fun\u00e7\u00e3o sem()<\/a> da biblioteca SciPy Stats.<\/span><\/p>\n O c\u00f3digo a seguir mostra como usar esta fun\u00e7\u00e3o:<\/span><\/p>\n O erro padr\u00e3o da m\u00e9dia \u00e9 2,001447<\/strong> .<\/span><\/p>\n Outra maneira de calcular o erro padr\u00e3o da m\u00e9dia de um conjunto de dados \u00e9 usar a fun\u00e7\u00e3o std()<\/a> do NumPy.<\/span><\/p>\n Observe que precisamos especificar ddof=1<\/strong> no argumento desta fun\u00e7\u00e3o para calcular o desvio padr\u00e3o da amostra em oposi\u00e7\u00e3o ao desvio padr\u00e3o da popula\u00e7\u00e3o.<\/span><\/em><\/p>\n O c\u00f3digo a seguir mostra como fazer isso:<\/span><\/p>\n Novamente, o erro padr\u00e3o da m\u00e9dia \u00e9 2,001447<\/strong> .<\/span><\/p>\n O erro padr\u00e3o da m\u00e9dia \u00e9 simplesmente uma medida da dispers\u00e3o dos valores em torno da m\u00e9dia. H\u00e1 duas coisas a se ter em mente ao interpretar o erro padr\u00e3o da m\u00e9dia:<\/span><\/p>\n 1. Quanto maior o erro padr\u00e3o da m\u00e9dia, mais dispersos est\u00e3o os valores em torno da m\u00e9dia em um conjunto de dados.<\/strong><\/span><\/p>\n Para ilustrar isso, considere se alterarmos o \u00faltimo valor do conjunto de dados anterior por um n\u00famero muito maior:<\/span><\/p>\n Observe como o erro padr\u00e3o aumenta de 2,001447<\/strong> para 6,978265<\/strong> . Isso indica que os valores neste conjunto de dados est\u00e3o mais distribu\u00eddos em torno da m\u00e9dia em compara\u00e7\u00e3o com o conjunto de dados anterior.<\/span><\/p>\n 2. \u00c0 medida que o tamanho da amostra aumenta, o erro padr\u00e3o da m\u00e9dia tende a diminuir.<\/strong><\/span><\/p>\n Para ilustrar isso, considere o erro padr\u00e3o da m\u00e9dia para os dois conjuntos de dados a seguir:<\/span><\/p>\n O segundo conjunto de dados \u00e9 simplesmente o primeiro conjunto de dados repetido duas vezes. Portanto, ambos os conjuntos de dados t\u00eam a mesma m\u00e9dia, mas o segundo conjunto de dados tem um tamanho de amostra maior e, portanto, tem um erro padr\u00e3o menor.<\/span><\/p>\n Como calcular o erro padr\u00e3o da m\u00e9dia em R<\/a> O erro padr\u00e3o da m\u00e9dia \u00e9 uma forma de medir a distribui\u00e7\u00e3o de valores em um conjunto de dados. \u00c9 calculado da seguinte forma: Erro padr\u00e3o da m\u00e9dia = s \/ \u221an Ouro: s : desvio padr\u00e3o da amostra n : tamanho da amostra Este tutorial explica dois m\u00e9todos que voc\u00ea pode usar para calcular […]<\/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-1062","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n\n
M\u00e9todo 1: use 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 M\u00e9todo 2: usar 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 Como interpretar o erro padr\u00e3o da m\u00e9dia<\/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 Recursos adicionais<\/strong><\/span><\/h3>\n
Como calcular o erro padr\u00e3o da m\u00e9dia no Excel<\/a>
Como calcular o erro padr\u00e3o da m\u00e9dia no Planilhas Google<\/p>\n","protected":false},"excerpt":{"rendered":"