Erreur standard dans R
Quelle est l'erreur standard dans la langue R dans Ubuntu 20.04?
L'erreur standard d'une données est l'écart type de sa distribution d'échantillons, ou une estimation de l'informatique (SE). Pour avoir l'erreur standard, divisez l'erreur standard par la racine carrée des données expérimentales. Nous explorerons comment estimer l'erreur standard de la moyenne dans le langage de script R dans ce post. L'erreur standard peut être calculée mathématiquement à l'aide de la formule:
syntaxe:
sd (a) / sqrt (longueur ((a)))Nous avons SD, qui est mentionné comme la méthode d'écart type. L'entrée «A» est la variable des données de l'échantillon. Le SEM (erreur standard de la moyenne) est un critère pour évaluer la façon dont les valeurs étendues sont dispersées autour de la moyenne. Prenez en considération les deux facteurs suivants lors de l'évaluation de l'erreur standard de la moyenne:
- Plus d'éléments d'une collection sont dispersés à travers la moyenne, car l'écart type de la moyenne augmente.
- À mesure que la taille des données données se développe, l'écart type de la moyenne tombe.
L'application d'erreur standard dans R dans Ubuntu 20.04
- L'écart type calculé de la distribution de l'échantillon est l'erreur standard de la statistique. Cet. Cette statistique se trouve fréquemment dans les perspectives de statistiques sommaires et descriptives. Dans un test ou une expérience, il est essentiel d'utiliser une approche d'échantillon aléatoire pour obtenir le modèle de point de données le plus précis possible afin que le Barplot ou un autre exemple de modèle de données soit aussi précis que possible et aussi proche d'une distribution normale que possible.
- L'erreur standard de la moyenne d'un échantillon est une mesure de la proximité de la moyenne de la population. Si votre erreur standard est importante, la statistique est imprécise. À mesure que les tailles d'échantillon se développent, les moyens de l'échantillon ont tendance à se rattraper plus près de la vraie moyenne.
- L'erreur standard (mise à l'échelle en fonction de la racine carrée de la taille de l'échantillon) et la variance sont toutes deux affectées par la taille de l'échantillon, comme le montre l'exemple ci-dessus. Cela a des ramifications pour votre population signifie l'intervalle de confiance de l'estimation.
Comment évaluer l'erreur standard dans le R dans Ubuntu 20.04?
Dans cet article, vous apprendrez à calculer l'erreur standard d'un ensemble de données en utilisant certaines méthodes différentes dans R. Il convient de noter que les résultats de toutes les procédures sont identiques.
Exemple # 1: Utilisation de la méthode SD pour l'évaluation de l'erreur standard dans R dans Ubuntu 20.04
En utilisant les fonctions incluses dans le package de script Base R, vous pouvez rapidement déterminer l'écart type de la moyenne. Pour les calculs autonomes, déployez la méthode SD (écart-type en R). L'écart type est calculé à l'aide de la méthode SD (), qui accepte un vecteur entier comme entrée. Nous utiliserons la méthode SD () pour calculer l'écart type, suivi de la méthode de longueur () pour définir le nombre d'observations au total.
Dans le script donné, nous avons déclaré une variable x où le vecteur numérique est initialisé. Ensuite, nous avons une instruction d'impression, et dans l'instruction IMPRIM. Lorsqu'il est exécuté, l'instruction d'impression montre l'estimation de sortie de l'erreur standard.
Exemple n ° 2: Utilisation de la formule d'erreur standard pour évaluer l'erreur standard dans R dans Ubuntu 20.04
Pour obtenir les observations, nous utiliserons la formule d'erreur standard. La formule est sqrt (sum ((a-mean (a)) ^ 2 / (longueur (a) -1))) / sqrt (longueur (a)) pour l'erreur standard, où l'entrée est des données. La racine carrée est estimée à l'aide de la fonction Data SQRT. La somme est une méthode utilisée pour estimer le nombre agrégé d'éléments dans un ensemble de données. La fonction est utilisée pour calculer la moyenne des données. La méthode de longueur est utilisée pour acquérir la longueur des données.
La variable X est définie ici et initialisée avec les vecteurs avec dix éléments. La formule d'erreur standard est appliquée à l'entrée des données X à l'intérieur de la commande d'impression, qui génère l'estimation de l'écart type pour ce vecteur.
Exemple # 3: Utilisation de la MST.Fonction d'erreur du module Plotrix pour évaluer l'erreur standard dans R dans Ubuntu 20.04
Installez le package Plotrix dans R pour utiliser la MST.Fonction Error (). La std.La méthode d'erreur () dans le module complémentaire Plotrix peut également estimer l'erreur standard. L'écart type est évalué à l'aide de la MST.Méthode Error (). Un vecteur numérique peut être transmis à la MST.Fonction Error ().
Ici, nous avons ajouté le module Plotrix à l'intérieur de la fonction de la bibliothèque car nous avons inclus le module Plotrix, donc maintenant nous pouvons facilement utiliser le std.Fonction d'erreur pour l'estimation d'erreur standard. Pour cela, nous avons créé les données dans la variable V et passé la variable V dans la MST.Fonction d'erreur, qui est appelée dans la commande d'impression. Lors de l'exécution de l'instruction d'impression, la valeur d'erreur standard est générée.
Conclusion
Ici, nous avons fait avec l'erreur standard dans la langue R. La moyenne (SEM) est une statistique pour déterminer comment les valeurs approfondies dans un ensemble de données sont distribuées. Avec la division de l'erreur standard par la racine de la taille de l'échantillonnage, la moyenne de l'échantillon est calculée. Nous avons analysé trois façons d'évaluer l'erreur standard dans cet article R: en utilisant la méthode SD () en combinaison avec la fonction de longueur, la formule d'erreur standard comme guide, et le dernier package One Plotrix est utilisé.