ความแปรปรวนที่หดตัวเมื่อเพิ่มขึ้น N คือความแปรปรวนของค่าเฉลี่ยตัวอย่างมักแสดงเป็นข้อผิดพลาดมาตรฐาน หรือในคำอื่น ๆ ความแน่นอนของค่าเฉลี่ยตัวอย่างเพิ่มขึ้น
ลองนึกภาพคุณทำการทดลองที่คุณรวบรวมผู้ชาย 3 คนและผู้หญิง 3 คนและวัดความสูงของพวกเขา คุณแน่ใจหรือไม่ว่าค่าเฉลี่ยความสูงของแต่ละกลุ่มเป็นค่าเฉลี่ยที่แท้จริงของประชากรที่แยกต่างหากของชายและหญิง ฉันควรคิดว่าคุณคงไม่มั่นใจอย่างแน่นอน คุณสามารถรวบรวมตัวอย่างใหม่ได้อย่างง่ายดาย 3 และหาวิธีการใหม่หลายนิ้วจากครั้งแรก การทดลองซ้ำหลายครั้งเช่นนี้อาจส่งผลให้ผู้หญิงมีความสูงมากกว่าผู้ชายเพราะค่าเฉลี่ยจะแตกต่างกันมาก ด้วยค่า N ต่ำคุณจะไม่มั่นใจในค่าเฉลี่ยมากจากตัวอย่างและมันแตกต่างกันมากในกลุ่มตัวอย่าง
ทีนี้ลองนึกภาพการสังเกต 10,000 ครั้งในแต่ละกลุ่ม มันจะค่อนข้างยากที่จะหาตัวอย่างใหม่ 10,000 ที่มีวิธีการที่แตกต่างกันมาก พวกเขาจะแปรปรวนน้อยลงและคุณจะมั่นใจในความแม่นยำของพวกเขามากขึ้น
หากคุณสามารถยอมรับแนวความคิดนี้เราสามารถแทรกลงในการคำนวณสถิติของคุณเป็นข้อผิดพลาดมาตรฐาน ในขณะที่คุณสามารถดูได้จากสมการมันก็เป็นประมาณค่าพารามิเตอร์ (ที่ควรจะเป็นที่ถูกต้องมากขึ้นตามการเพิ่มขึ้นของ n) หารด้วยค่าที่มักจะเพิ่มขึ้นกับ n,n ข้อผิดพลาดมาตรฐานนั้นแสดงถึงความแปรปรวนของวิธีการหรือผลกระทบในการคำนวณของคุณ ยิ่งมีขนาดเล็กเท่าใดการทดสอบทางสถิติของคุณก็จะยิ่งมีประสิทธิภาพมากขึ้นσn−−√
นี่คือการจำลองแบบเล็กน้อยใน R เพื่อแสดงความสัมพันธ์ระหว่างข้อผิดพลาดมาตรฐานและค่าเบี่ยงเบนมาตรฐานของวิธีการทำซ้ำหลาย ๆ ครั้งของการทดลองเริ่มต้น ในกรณีนี้เราจะเริ่มต้นด้วยค่าเฉลี่ยประชากร 100 และส่วนเบี่ยงเบนมาตรฐาน 15
mu <- 100
s <- 50
n <- 5
nsim <- 10000 # number of simulations
# theoretical standard error
s / sqrt(n)
# simulation of experiment and the standard deviations of their means
y <- replicate( nsim, mean( rnorm(n, mu, s) ) )
sd(y)
สังเกตว่าค่าเบี่ยงเบนมาตรฐานขั้นสุดท้ายใกล้กับข้อผิดพลาดมาตรฐานทางทฤษฎีอย่างไร โดยการเล่นกับตัวแปร n ที่นี่คุณสามารถเห็นการวัดความแปรปรวนจะเล็กลงเมื่อเพิ่ม n
[นอกเหนือจากนั้นความโด่งในกราฟก็ไม่ได้เปลี่ยนไปจริง ๆ (สมมติว่าพวกมันเป็นการแจกแจงแบบปกติ) การลดความแปรปรวนไม่ได้เปลี่ยนความหนา แต่การกระจายจะดูแคบลง วิธีเดียวที่จะตรวจสอบการเปลี่ยนแปลงของคอลอสโทลิสด้วยสายตาคือการกระจายในระดับเดียวกัน]