Kesalahan Standar

Definisi Kesalahan Standar

Standard Error atau SE mengukur akurasi dengan bantuan distribusi sampel yang menandakan populasi menggunakan standar deviasi. Dengan kata lain, seseorang dapat memahaminya sebagai ukuran mengenai penyebaran rata-rata sampel yang berkaitan dengan rata-rata populasi. Seharusnya tidak bingung dengan standar deviasi. Lebih tinggi karena kesalahan standar menggunakan data sampel atau statistik, sedangkan standar deviasi menggunakan parameter atau data populasi.

Rumus Kesalahan Standar

Seseorang dapat mewakilinya seperti di bawah ini:

Di sini, ‘σM’ mewakili SE dari rata-rata, yang juga merupakan SD (deviasi standarStandar DeviasiStandar deviasi (SD) adalah alat statistik populer yang diwakili oleh huruf Yunani ‘σ’ untuk mengukur variasi atau dispersi dari sekumpulan nilai data relatif terhadap rata-ratanya (rata-rata), sehingga menginterpretasikan keandalan data.Baca lebih lanjut) dari data sampel rata-rata, dan ‘N’ mewakili ukuran sampel. Pada saat yang sama, ‘σ’ menandakan SD dari distribusi asli. Oleh karena itu, rumus SE tidak akan menganggap ND (distribusi normal). Namun, beberapa penggunaan rumus mengasumsikan distribusi normalDistribusi NormalDistribusi Normal adalah kurva distribusi frekuensi berbentuk lonceng yang membantu menggambarkan semua nilai yang mungkin dapat diambil oleh variabel acak dalam rentang tertentu dengan sebagian besar area distribusi berada di tengah dan sedikit berada di ekor, di ekstrem. Distribusi ini memiliki dua parameter utama: rata-rata (µ) dan standar deviasi (σ) yang berperan penting dalam perhitungan pengembalian aset dan dalam strategi manajemen risiko.baca lebih lanjut. Oleh karena itu, persamaan kesalahan standar ini menandakan bahwa ukuran sampel akan memiliki efek terbalik pada SD rata-rata, yaitu semakin besar rata-rata sampel, semakin kecil SE yang sama dan sebaliknya. Itu sebabnya besar SE dari rata-rata berbanding terbalik dengan akar kuadrat dari N (ukuran sampel).

Anda bebas menggunakan gambar ini di situs web Anda, templat, dll., Harap berikan kami tautan atribusiBagaimana Memberikan Atribusi? Tautan Artikel menjadi Hyperlink
Misalnya: Sumber: Kesalahan Standar (wallstreetmojo.com)

Langkah-langkah untuk Menemukan Kesalahan Standar

Pada langkah pertama, seseorang harus menghitung rata-rata dengan menjumlahkan semua sampel dan kemudian membaginya dengan jumlah total sampel.
Pada langkah kedua, deviasi untuk setiap pengukuran harus dihitung dari rata-rata, yaitu mengurangkan pengukuran individu.
Pada langkah ketiga, seseorang harus mengkuadratkan setiap penyimpangan dari rata-rata. Dengan cara ini, kuadrat negatif akan menjadi positif.
Pada langkah keempat, seseorang harus menjumlahkan deviasi kuadrat. Untuk tujuan ini, seseorang harus menjumlahkan semua angka yang diperoleh dari Langkah 3.
Pada langkah kelima, jumlah yang diperoleh dari langkah keempat harus dibagi satu digit lebih kecil dari ukuran sampel.
Pada langkah keenam, seseorang harus mengambil akar kuadrat dari angka yang diperoleh pada langkah kelima. Hasilnya harus SD atau standar deviasi.
Seseorang harus menghitung SE dengan membagi standar deviasi dengan akar kuadrat dari N (ukuran sampel).
Pada langkah terakhir, kurangi SE dari rata-rata. Karenanya, seseorang harus mencatat nomor itu. Kemudian, tambahkan SE ke rata-rata, dan catat hasilnya.

Contoh Kesalahan Standar

Di bawah ini adalah contoh kesalahan standar.

Contoh 1

Kematian akibat kanker pada sampel 100 adalah 20 persen, dan pada sampel kedua 100 adalah 30 persen. Mengevaluasi signifikansi kontras dalam tingkat kematian.

Larutan

Gunakan data yang diberikan di bawah ini.

=SQRT(20*80/(100)+(30*70/(100)))
=6,08

Z= 20-30/6.08
Z= -1,64

Contoh #2

Mereka memilih sampel acak dari 5 pemain bola basket pria. Tinggi mereka adalah 175, 170, 177, 183, dan 169 (dalam cm). Pertama, temukan SE dari rata-rata pengukuran tinggi (dalam cm) ini.

Larutan

= (175+170+177+183+169)/5
Rata-Rata Sampel = 174,8

Perhitungan Standar Deviasi Sampel

=SQRT(128,80)
Deviasi Standar Sampel = 5,67450438

=5,67450438/SQRT(5)
= 2,538

Contoh #3

Penghasilan laba rata-rata untuk sampel 41 bisnis adalah 19, dan SD pelanggan adalah 6,6. Pertama, temukan SE dari rata-rata.

Larutan

Gunakan data yang diberikan di bawah ini.

Perhitungan Kesalahan Standar

= 6,6/SQRT(41)
= 1,03

Interpretasi Kesalahan Standar

Fungsi kesalahan standar sangat mirip dengan statistik deskriptif karena memungkinkan peneliti untuk mengembangkan interval kepercayaan Interval Keyakinan Interval Keyakinan mengacu pada tingkat ketidakpastian yang terkait dengan statistik tertentu & sering digunakan bersama dengan Margin of Error. Interval Keyakinan = Rata-Rata Sampel ± Faktor Kritis × Standar Deviasi Sampel. baca lebih lanjut tentang statistik sampel yang sudah diperoleh. Selain itu, ini membantu memperkirakan interval di mana parameter seharusnya turun. SE dari rata-rata dan SE dari perkiraan adalah dua statistik SE yang umum digunakan.

SE dari rata-rata memungkinkan peneliti untuk mengembangkan interval kepercayaan di mana rata-rata populasi akan turun. Seseorang dapat menggunakan 1-P sebagai rumus yang menandakan probabilitas rata-rata populasi Rata-rata Populasi Rata-rata populasi adalah rata-rata atau rata-rata dari semua nilai dalam populasi tertentu dan dihitung dengan jumlah semua nilai dalam populasi yang dilambangkan dengan penjumlahan dari X dibagi dengan jumlah nilai dalam populasi yang dilambangkan dengan N.baca lebih lanjut akan jatuh dalam selang kepercayaan.

SE estimasi sebagian besar digunakan oleh berbagai peneliti. Seseorang dapat menggunakannya bersama dengan ukuran korelasi. Ini memungkinkan para peneliti untuk membangun interval kepercayaan di bawah korelasi populasi aktual yang akan jatuh. Seseorang dapat menggunakan SE estimasi untuk menentukan ketepatan estimasi mengenai korelasi populasi.

SE membantu menunjukkan ketepatan estimasi parameter populasi dari statistik sampel.

Perbedaan Antara Kesalahan Standar Dan Standar Deviasi

Kesalahan standar dan standar deviasi adalah dua topik berbeda yang tidak boleh dikacaukan satu sama lain. Bentuk kependekan dari standard error adalah SE, sedangkan singkatan dari standar deviasi adalah SD Hal ini karena SE dari suatu sampel benar-benar berarti perkiraan jarak rata-rata sampel dari rata-rata populasi, dan ini membantu dalam mengukur keakuratan suatu memperkirakan. Pada saat yang sama, SD mengukur jumlah dispersi Di dalam statistik, dispersi (atau penyebaran) adalah cara untuk menggambarkan tingkat distribusi data di sekitar nilai atau titik pusat. Ini membantu dalam memahami distribusi data. Baca lebih lanjut atau variabilitas. Umumnya sejauh mana individu yang termasuk dalam sampel yang sama berbeda dari rata-rata sampel.

Kesimpulan

Kesalahan standar mengukur akurasi rata-rata dan perkiraan. Ini menawarkan cara yang berguna untuk kuantifikasi kesalahan pengambilan sampel. SE berguna karena mewakili jumlah total kesalahan pengambilan sampel yang terkait dengan proses pengambilan sampel. Kesalahan standar estimasi dan kesalahan standar rata-rata adalah dua statistik SE yang umum digunakan.

Kesalahan standar perkiraan memungkinkan untuk membuat prediksi tetapi tidak menunjukkan akurasi prediksi. Ini mengukur ketepatan regresiRegresiRegresi Analisis adalah pendekatan statistik untuk mengevaluasi hubungan antara 1 variabel dependen & 1 atau lebih variabel independen. Ini banyak digunakan dalam sektor investasi & pembiayaan untuk meningkatkan produk & layanan lebih lanjut. baca lebih lanjut, sedangkan kesalahan standar rata-rata membantu peneliti mengembangkan interval kepercayaan di mana rata-rata populasi kemungkinan besar akan turun. Seseorang dapat memahami SEM sebagai statistik atau parameter rata-rata.

Artikel yang Direkomendasikan

Artikel ini adalah panduan untuk Standard Error dan definisinya. Di sini, kami membahas cara menafsirkan kesalahan standar, contoh, dan perbedaannya dari standar deviasi. Anda dapat mempelajari lebih lanjut dari artikel berikut:-