Относительная стандартная ошибка набора данных тесно связана со стандартной ошибкой и может быть вычислена по ее стандартному отклонению. Стандартное отклонение является мерой того, насколько плотно упакованы данные вокруг среднего значения. Стандартная ошибка нормализует эту меру с точки зрения количества образцов, а относительная стандартная ошибка выражает этот результат в процентах от среднего значения.
Вычислите среднее значение выборки, разделив сумму значений выборки на количество выборок. Например, если наши данные состоят из трех значений - 8, 4 и 3 - тогда сумма равна 15, а среднее значение равно 15/3 или 5.
Вычислите отклонения от среднего для каждого из образцов и возведите в квадрат результаты. Для примера имеем:
(8 - 5)^2 = (3)^2 = 9 (4 - 5)^2 = (-1)^2 = 1 (3 - 5)^2 = (-2)^2 = 4
Суммируйте квадраты и делите на единицу меньше, чем количество выборок. В примере мы имеем:
(9 + 1 + 4)/(3 - 1) = (14)/2 = 7
Это дисперсия данных.
Вычислить квадратный корень из дисперсии, чтобы найти стандартное отклонение выборки. В нашем примере стандартное отклонение = sqrt (7) = 2,65.
Разделите стандартное отклонение на квадратный корень из числа образцов. В примере мы имеем:
2,65 / кв.м. (3) = 2,65 / 1,73 = 1,53
Это стандартная ошибка образца.
Вычислите относительную стандартную ошибку, разделив стандартную ошибку на среднее значение и выразив ее в процентах. В этом примере мы имеем относительную стандартную ошибку = 100 * (1,53 / 3), что составляет 51 процент. Поэтому относительная стандартная ошибка для данных нашего примера составляет 51 процент.