ちょっと変わったマニアな作品が集結

定義として

残差=測定値-試料平均
偏差=測定値-母平均
誤差=測定値-真値

ですが、いつもごっちゃになって
どれがどれだか分からなくなってしまいます。
何か良い覚え方はありませんでしょうか?

このQ&Aに関連する最新のQ&A

A 回答 (2件)

そのような「一般化された定義」は特にないと思います。

どこから持ってきたものですか?

 統計学では、『「誤差」は知ることができず、その推定値を「残差」と呼ぶ』などと説明されますが、それだと現実社会で使っている「誤差」とは違ったものになります。
↓ たとえばこちら。
http://www012.upp.so-net.ne.jp/doi/math/anova/mo …

 一般には「真値」や「母平均」は分からないので、「測定値-試料平均」や「測定値-母平均」も「誤差」と呼んだり、「偏差」と呼んだりすると思います。
 また、一般に「偏差」といえば、何でもよいので「何かと何かの差」です。下記のように「1981〜2010年の30年平均気温との偏差を、年平均気温偏差と呼ぶ」というように特別に定義して「○○偏差」といった使い方をします。
http://www.data.jma.go.jp/cpdinfo/temp/list/an_j …

 このように「残差」「偏差」「誤差」は、一般には広範囲な概念を示す「一般的な用語」なので、限られた場面で特別な意味で使うには、その都度「このように呼ぶ」と定義して使う必要があります。その場その場で、その「定義」を確認する必要があるので、「覚える」必要はありません。
 逆に、「どこでも同じ定義で通用する」と勝手に思いこんで無定義で使うと、相互に誤解を生じる可能性もありますので要注意です。
    • good
    • 0
この回答へのお礼

定義は JIS Z 8103 : 2000 です。
結局のところ、暗記するしかないということですね。

お礼日時:2017/01/14 20:02

あなたが書いた定義を憶えようとするとこが問題なのでは?


この式を、憶えただけでは実際に使えない。意味を理解しないと。
    • good
    • 1

お探しのQ&Aが見つからない時は、教えて!gooで質問しましょう!

このQ&Aを見た人はこんなQ&Aも見ています

このQ&Aと関連する良く見られている質問

Q加重平均と平均の違い

加重平均と平均の違いってなんですか?
値が同じになることが多いような気がするんですけど・・・
わかりやす~い例で教えてください。

Aベストアンサー

例えば,テストをやって,A組の平均点80点,B組70点,C組60点だったとします.
全体の平均は70点!・・・これが単純な平均ですね.
クラスごとの人数が全く同じなら問題ないし,
わずかに違う程度なら誤差も少ないです.

ところが,A組100人,B組50人,C組10人だったら?
これで「平均70点」と言われたら,A組の生徒は文句を言いますよね.
そこで,クラスごとに重みをつけ,
(80×100+70×50+60×10)÷(100+50+10)=75.6
とやって求めるのが「加重平均」です.

Qエクセルで計算すると2.43E-19などと表示される。Eとは何ですか?

よろしくお願いします。
エクセルの回帰分析をすると有意水準で2.43E-19などと表示されますが
Eとは何でしょうか?

また、回帰分析の数字の意味が良く分からないのですが、
皆さんは独学されましたか?それとも講座などをうけたのでしょうか?

回帰分析でR2(決定係数)しかみていないのですが
どうすれば回帰分析が分かるようになるのでしょうか?
本を読んだのですがいまいち難しくて分かりません。
教えてください。
よろしくお願いします。

Aベストアンサー

★回答
・最初に『回帰分析』をここで説明するのは少し大変なので『E』のみ説明します。
・回答者 No.1 ~ No.3 さんと同じく『指数表記』の『Exponent』ですよ。
・『指数』って分かりますか?
・10→1.0E+1(1.0×10の1乗)→×10倍
・100→1.0E+2(1.0×10の2乗)→×100倍
・1000→1.0E+3(1.0×10の3乗)→×1000倍
・0.1→1.0E-1(1.0×1/10の1乗)→×1/10倍→÷10
・0.01→1.0E-2(1.0×1/10の2乗)→×1/100倍→÷100
・0.001→1.0E-3(1.0×1/10の3乗)→×1/1000倍→÷1000
・になります。ようするに 10 を n 乗すると元の数字になるための指数表記のことですよ。
・よって、『2.43E-19』とは?
 2.43×1/(10の19乗)で、
 2.43×1/10000000000000000000となり、
 2.43×0.0000000000000000001だから、
 0.000000000000000000243という数値を意味します。

補足:
・E+数値は 10、100、1000 という大きい数を表します。
・E-数値は 0.1、0.01、0.001 という小さい数を表します。
・数学では『2.43×10』の次に、小さい数字で上に『19』と表示します。→http://ja.wikipedia.org/wiki/%E6%8C%87%E6%95%B0%E8%A1%A8%E8%A8%98
・最後に『回帰分析』とは何?下の『参考URL』をどうぞ。→『数学』カテゴリで質問してみては?

参考URL:http://ja.wikipedia.org/wiki/%E5%9B%9E%E5%B8%B0%E5%88%86%E6%9E%90

★回答
・最初に『回帰分析』をここで説明するのは少し大変なので『E』のみ説明します。
・回答者 No.1 ~ No.3 さんと同じく『指数表記』の『Exponent』ですよ。
・『指数』って分かりますか?
・10→1.0E+1(1.0×10の1乗)→×10倍
・100→1.0E+2(1.0×10の2乗)→×100倍
・1000→1.0E+3(1.0×10の3乗)→×1000倍
・0.1→1.0E-1(1.0×1/10の1乗)→×1/10倍→÷10
・0.01→1.0E-2(1.0×1/10の2乗)→×1/100倍→÷100
・0.001→1.0E-3(1.0×1/10の3乗)→×1/1000倍→÷1000
・になります。ようするに 10 を n 乗すると元の数字になるた...続きを読む

Qエクセル STDEVとSTDEVPの違い

エクセルの統計関数で標準偏差を求める時、STDEVとSTDEVPがあります。両者の違いが良くわかりません。
宜しかったら、恐縮ですが、以下の具体例で、『噛み砕いて』教えて下さい。
(例)
セルA1~A13に1~13の数字を入力、平均値=7、STDEVでは3.89444、STDEVPでは3.741657となります。
また、平均値7と各数字の差を取り、それを2乗し、総和を取る(182)、これをデータの個数13で割る(14)、この平方根を取ると3.741657となります。
では、STDEVとSTDEVPの違いは何なのでしょうか?統計のことは疎く、お手数ですが、サルにもわかるようご教授頂きたく、お願い致します。

Aベストアンサー

データが母集団そのものからとったか、標本データかで違います。また母集団そのものだったとしても(例えばクラス全員というような)、その背景にさらならる母集団(例えば学年全体)を想定して比較するような時もありますので、その場合は標本となります。
で標本データの時はSTDEVを使って、母集団の時はSTDEVPをつかうことになります。
公式の違いは分母がn-1(STDEV)かn(STDEVP)かの違いしかありません。まぁ感覚的に理解するなら、分母がn-1になるということはそれだけ結果が大きくなるわけで、つまりそれだけのりしろを多くもって推測に当たるというようなことになります。
AとBの違いがあるかないかという推測をする時、通常は標本同士の検証になるわけですので、偏差を余裕をもってわざとちょっと大きめに見るということで、それだけ確証の度合いを上げるというわけです。

Q平均誤差について

物理学の講義で判らなかったことですが、内容が数学的だったので、こちらで質問させてください。

平均誤差と確率誤差の違いが判りません。
講義で、平均誤差と確率誤差、最小二乗法、誤差の伝播の法則などを同時に教えられたので混乱しているのだと思います。
その時にとったノートは、とにかく黒板を写しただけになってしまい、何がどのことなのか判らなくなっています。
平均誤差・確率誤差を教えていただければ幸いです。
最小二乗法はなんとなく判ったので、誤差の伝播の法則はもう少し頑張ってみようと思います。

判りにくい質問文で申し訳ありませんが、よろしくお願いします。

Aベストアンサー

平均誤差eは、誤差の絶対値の平均値であり、式で示せば
e=Σ(i=1→n)|[各測定値]i-[平均値]|/n
これは概念としては単純なのですが、計算が難しく、物理に限らず一般に統計では、あまり用いられません。

そこで登場するのが確率誤差になります。

確率誤差というのは、その誤差を超えるものが全体の50%、誤差以内が50%という境界を定義する誤差で、標準偏差のの0.674倍です。
標準偏差をσ(シグマ)、標準誤差をεと表記します。
ε = 0.674σ
標準偏差σは分散Vの平方根です。
σ=√V
V=Σ(i=1→n)([各測定値]i-[平均値])^2 /n

標準偏差は非常によく用いられる概念なので、覚えること必須です。
エクセルの基本関数の一つでもあります。
(stdなんちゃら関数です)

学力試験の統計結果で「偏差値」が用いられますが、じつは、それは、平均値を50、標準偏差が10になるように統計処理したものなんです。
ですから、偏差値で言うと、50±6.74の範囲にいる受験者が全体の50%とということになります。
56.74以上の偏差値でしたら、4人に1人の優秀者ということですね。

ちなみに、50±10、すなわち、平均値±標準偏差の範囲には、全体の約68.3%が入ります。
偏差値60以上の人は、全体の15.8%になります。

平均誤差eは、誤差の絶対値の平均値であり、式で示せば
e=Σ(i=1→n)|[各測定値]i-[平均値]|/n
これは概念としては単純なのですが、計算が難しく、物理に限らず一般に統計では、あまり用いられません。

そこで登場するのが確率誤差になります。

確率誤差というのは、その誤差を超えるものが全体の50%、誤差以内が50%という境界を定義する誤差で、標準偏差のの0.674倍です。
標準偏差をσ(シグマ)、標準誤差をεと表記します。
ε = 0.674σ
標準偏差σは分散Vの平方根です。
σ=√V
...続きを読む

Qヤング率の単位について

MKS単位系では、N/m^2(ニュートン毎平方メートル)ですがこれをCGS単位系dyne/cm^2に変換したいんですが、1N/m^2=何dyne/cm^2になりますか?お教え願います。
できれば、簡単でいいので、途中式も示していただきたいです。

Aベストアンサー

1[N]=10^5[dyne]
1[m]=10^2[cm]⇒ 1[m^2]=10^4[cm^2]

です。よって、

1[N/m^2]=10^5/10^4[dyne/cm^2]
=10[dyne/cm^2]

となります。
 ヤング率の単位は[GPa]で表記されていることが多いので、[N/m^2]=[Pa]より

1[GPa]=10^10[dyne/cm^2]

と覚えておくと便利です。

Q統計学的に信頼できるサンプル数って?

統計の「と」の字も理解していない者ですが、
よく「統計学的に信頼できるサンプル数」っていいますよね。

あれって「この統計を調べたいときはこれぐらいのサンプル数があれば信頼できる」という決まりがあるものなのでしょうか?
また、その標本数はどのように算定され、どのような評価基準をもって客観的に信頼できると判断できるのでしょうか?
たとえば、99人の専門家が信頼できると言い、1人がまだこの数では信頼できないと言った場合は信頼できるサンプル数と言えるのでしょうか?

わかりやすく教えていただけると幸いです。

Aベストアンサー

> この統計を調べたいときはこれぐらいのサンプル数があれば信頼できる・・・
 調べたいどの集団でも、ある一定数以上なら信頼できるというような決まりはありません。
 何かサンプルを集め、それをなんかの傾向があるかどうかという仮説を検証するために統計学的検定を行って、仮設が否定されるかされないかを調べる中で、どの検定方法を使うかで、最低限必要なサンプル数というのはあります。また、集めたサンプルを何か基準とすべき別のサンプルと比べる検定して、基準のサンプルと統計上差を出すに必要なサンプル数は、比べる検定手法により計算できるものもあります。
 最低限必要なサンプル数ということでは、例えば、ある集団から、ある条件で抽出したサンプルと、条件付けをしないで抽出したサンプル(比べるための基準となるサンプル)を比較するときに、そのサンプルの分布が正規分布(正規分布解説:身長を5cmきざみでグループ分けし、低いグループから順に並べたときに、日本人男子の身長なら170cm前後のグループの人数が最も多く、それよりも高い人のグループと低い人のグループの人数は、170cmのグループから離れるほど人数が減ってくるような集団の分布様式)でない分布形態で、しかし分布の形は双方とも同じような場合「Wilcoxon符号順位検定」という検定手法で検定することができますが、この検定手法は、サンプルデータに同じ値を含まずに最低6つのサンプル数が必要になります。それ以下では、いくらデータに差があるように見えても検定で差を検出できません。
 また、統計上差を出すのに必要なサンプル数の例では、A国とB国のそれぞれの成人男子の身長サンプルがともに正規分布、または正規分布と仮定した場合に「t検定」という検定手法で検定することができますが、このときにはその分布を差がないのにあると間違える確率と、差があるのにないと間違える確率の許容値を自分で決めた上で、そのサンプルの分布の値のばらつき具合から、計算して求めることができます。ただし、その計算は、現実に集めたそれぞれのサンプル間で生じた平均値の差や分布のばらつき具合(分散値)、どのくらいの程度で判定を間違える可能性がどこまで許されるかなどの条件から、サンプル間で差があると認められるために必要なサンプル数ですから、まったく同じデータを集めた場合でない限り、計算上算出された(差を出すために)必要なサンプル数だけサンプルデータを集めれば、差があると判定されます(すなわち、サンプルを無制限に集めることができれば、だいたい差が出るという判定となる)。よって、集めるサンプルの種類により、計算上出された(差を出すために)必要なサンプル数が現実的に妥当なものか、そうでないのかを、最終的には人間が判断することになります。

 具体的に例示してみましょう。
 ある集団からランダムに集めたデータが15,12,18,12,22,13,21,12,17,15,19、もう一方のデータが22,21,25,24,24,18,18,26,21,27,25としましょう。一見すると後者のほうが値が大きく、前者と差があるように見えます。そこで、差を検定するために、t検定を行います。結果として計算上差があり、前者と後者は計算上差がないのにあると間違えて判断する可能性の許容値(有意確率)何%の確率で差があるといえます。常識的に考えても、これだけのサンプル数で差があると計算されたのだから、差があると判断しても差し支えないだろうと判断できます。
 ちなみにこの場合の差が出るための必要サンプル数は、有意確率5%、検出力0.8とした場合に5.7299、つまりそれぞれの集団で6つ以上サンプルを集めれば、差を出せるのです。一方、サンプルが、15,12,18,12,21,20,21,25,24,19の集団と、22,21125,24,24,15,12,18,12,22の集団ではどうでしょう。有意確率5%で差があるとはいえない結果になります。この場合に、このサンプルの分布様式で拾い出して差を出すために必要なサンプル数は551.33となり、552個もサンプルを抽出しないと差が出ないことになります。この計算上の必要サンプル数がこのくらい調査しないといけないものならば、必要サンプル数以上のサンプルを集めて調べなければなりませんし、これだけの数を集める必要がない、もしくは集めることが困難な場合は差があるとはいえないという判断をすることになるかと思います。

 一方、支持率調査や視聴率調査などの場合、比べるべき基準の対象がありません。その場合は、サンプル数が少ないレベルで予備調査を行い、さらにもう少しサンプル数を増やして予備調査を行いを何回か繰り返し、それぞれの調査でサンプルの分布形やその他検討するべき指数を計算し、これ以上集計をとってもデータのばらつきや変化が許容範囲(小数点何桁レベルの誤差)に納まるようなサンプル数を算出していると考えます。テレビ視聴率調査は関東では300件のサンプル数程度と聞いていますが、調査会社ではサンプルのとり方がなるべく関東在住の家庭構成と年齢層、性別などの割合が同じになるように、また、サンプルをとる地域の人口分布が同じ割合になるようにサンプル抽出条件を整えた上で、ランダムに抽出しているため、数千万人いる関東の本当の視聴率を割合反映して出しているそうです。これはすでに必要サンプル数の割り出し方がノウハウとして知られていますが、未知の調査項目では必要サンプル数を導き出すためには試行錯誤で適切と判断できる数をひたすら調査するしかないかと思います。

> どのような評価基準をもって客観的に信頼できると判断・・・
 例えば、工場で作られるネジの直径などは、まったくばらつきなくぴったり想定した直径のネジを作ることはきわめて困難です。多少の大きさのばらつきが生じてしまいます。1mm違っても規格外品となります。工場では企画外品をなるべく出さないように、統計を取って、ネジの直径のばらつき具合を調べ、製造工程をチェックして、不良品の出る確率を下げようとします。しかし、製品をすべて調べるわけにはいきません。そこで、調べるのに最低限必要なサンプル数を調査と計算を重ねてチェックしていきます。
 一方、農場で生産されたネギの直径は、1mmくらいの差ならほぼ同じロットとして扱われます。また、農産物は年や品種の違いにより生育に差が出やすく、そもそも規格はネジに比べて相当ばらつき具合の許容範囲が広くなっています。ネジに対してネギのような検査を行っていたのでは信頼性が損なわれます。
 そもそも、統計学的検定は客観的判断基準の一指針ではあっても絶対的な評価になりません。あくまでも最終的に判断するのは人間であって、それも、サンプルの質や検証する精度によって、必要サンプルは変わるのです。

 あと、お礼の欄にあった専門家:統計学者とありましたが、統計学者が指摘できるのはあくまでもそのサンプルに対して適切な検定を使って正しい計算を行ったかだけで、たとえ適切な検定手法で導き出された結果であっても、それが妥当か否か判断することは難しいと思います。そのサンプルが、何を示し、何を解き明かし、何に利用されるかで信頼度は変化するからです。
 ただ、経験則上指標的なものはあります。正規分布を示すサンプルなら、20~30のサンプル数があれば検定上差し支えない(それ以下でも問題ない場合もある)とか、正規分布でないサンプルは最低6~8のサンプル数が必要とか、厳密さを要求される調査であれば50くらいのサンプル数が必要であろうとかです。でも、あくまでも指標です。

> この統計を調べたいときはこれぐらいのサンプル数があれば信頼できる・・・
 調べたいどの集団でも、ある一定数以上なら信頼できるというような決まりはありません。
 何かサンプルを集め、それをなんかの傾向があるかどうかという仮説を検証するために統計学的検定を行って、仮設が否定されるかされないかを調べる中で、どの検定方法を使うかで、最低限必要なサンプル数というのはあります。また、集めたサンプルを何か基準とすべき別のサンプルと比べる検定して、基準のサンプルと統計上差を出すに必要な...続きを読む

Q相関係数についてくるP値とは何ですか?

相関係数についてくるP値の意味がわかりません。

r=0.90 (P<0.001)

P=0.05で相関がない

という表現は何を意味しているのでしょうか?
またMS Excelを使ってのP値の計算方法を教えてください。

よろしくお願い致します。

Aベストアンサー

pは確率(probability)のpです。全く相関のない数字を組み合わせたときにそのr値が出る確率をあらわしています。

統計・確率には100%言い切れることはまずありません。というか100%言い切れるのなら統計・確率を使う必要は有りません。
例えばサイコロを5回振って全て同じ目が出る確率は0.08%です。そんな時、そのサイコロを不良品(イカサマ?)と結論つけるとわずかに間違っている可能性が残っています。ただ、それが5%以下ならp=0.05でそのサイコロは正常ではないと結論付けます。
それが危険率です。(この場合はp=0.1%でもいいと思いますが)
相関係数においても相関の有無を結論つけるにはそのrが偶然出る確率を出すか、5%の確率ならrがどれぐらいの値が出るかを知っておく必要が有ります。

>r=0.90 (P<0.001)

相関係数は0.90と計算された。相関がないのに偶然r=0.90 となる確率は0.001以下だと言ってます。

>P=0.05で相関がない

相関がないと結論。(間違っている確率は5%以下)だと言ってます。

エクセルでの計算ですが、まず関数CORRELを使ってr値を出します。xデータがA1からA10に、yデータがB1からB10に入っているとして

r=CORREL(A1:A10,B1:B10)

次にそのr値をt値に変換します。

t=r*(n-2)^0.5/(1-r^2)^0.5

ここでnは組みデータの数です。((x1,y1),(x2,y2),・・・(xn,yn))
最後に関数TDISTで確率に変換します。両側です。

p=TDIST(t値,n-2,2)

もっと簡単な方法があるかも知れませんが、私ならこう計算します。(アドインの分析ツールを使う以外は)

pは確率(probability)のpです。全く相関のない数字を組み合わせたときにそのr値が出る確率をあらわしています。

統計・確率には100%言い切れることはまずありません。というか100%言い切れるのなら統計・確率を使う必要は有りません。
例えばサイコロを5回振って全て同じ目が出る確率は0.08%です。そんな時、そのサイコロを不良品(イカサマ?)と結論つけるとわずかに間違っている可能性が残っています。ただ、それが5%以下ならp=0.05でそのサイコロは正常ではないと結論付けます。
それが危険率です。(この場...続きを読む

Q偏微分の記号∂の読み方について教えてください。

偏微分の記号∂(partial derivative symbol)にはいろいろな読み方があるようです。
(英語)
curly d, rounded d, curved d, partial, der
正統には∂u/∂x で「partial derivative of u with respect to x」なのかもしれません。
(日本語)
ラウンドディー、ラウンドデルタ、ラウンド、デル、パーシャル、ルンド
MS-IMEはデルで変換します。JIS文字コードでの名前は「デル、ラウンドディー」です。

そこで、次のようなことを教えてください。
(1)分野ごと(数学、物理学、経済学、工学など)の読み方の違い
(2)上記のうち、こんな読み方をするとバカにされる、あるいはキザと思われる読み方
(3)初心者に教えるときのお勧めの読み方
(4)他の読み方、あるいはニックネーム

Aベストアンサー

こんちには。電気・電子工学系です。

(1)
工学系の私は,式の中では「デル」,単独では「ラウンドデルタ」と呼んでいます。あとは地道に「偏微分記号」ですか(^^;
その他「ラウンドディー」「パーシャル」までは聞いたことがあります。この辺りは物理・数学系っぽいですね。
申し訳ありませんが,あとは寡聞にして知りません。

(3)
初心者へのお勧めとは,なかなかに難問ですが,ひと通り教えておいて,式の中では「デル」を読むのが無難かと思います。

(4)
私はちょっと知りません。ごめんなさい。ニックネームは,あったら私も教えて欲しいです。

(2)
専門家に向かって「デル」はちょっと危険な香りがします。
キザになってしまうかどうかは,質問者さんのパーソナリティにかかっているでしょう(^^

*すいません。質問の順番入れ替えました。オチなんで。

では(∂∂)/

Q電卓での二乗のやり方

一般的な安い電卓で二乗の計算は出来るのでしょうか

例えば  5の12乗 の計算は!!

出来るのであれば、教えてください。

Aベストアンサー

No.3ですが、No.4と動きが違うものがあります。ご参考まで。

SHARP
「5」「×」「×」「=」 →25(2乗)
「5」「×」「=」    →25(2乗)
「5」「+」「+」「=」 →5
「5」「+」「=」「=」 →5

Canon
「5」「×」「×」「=」 →25(2乗)
「5」「×」「=」    →25(2乗)
「5」「+」「+」「=」 →10
「5」「+」「=」「=」 →10

Q標準誤差の求め方について

生物実験において例えば
1回の実験につき3つのデータを取り、同じ実験を3回繰り返して
以下のようなデータが出たとします。

実験1回目)120, 130, 110
実験2回目)75, 80, 70
実験3回目)105, 120, 90

それぞれの実験の平均値は以下の値です。
実験1回目)120
実験2回目)75
実験3回目)105

この実験から母集団の平均値のありそうな範囲を求めたいので
標準誤差(SE)を出すと思うのですが、
SE=標準偏差/√データ数
ということから、
平均値mは実験1~3)の平均値から
m=(120+75+105)/3
=100
標準偏差σは
σ=√Σ(m-それぞれの実験の平均値)^2/(標本数-1)
=√[{(100-120)^2 + (100-75)^2 + (100-105)^2}/(3-1)]
=√(1050/2)
(分母は標本数なのかもしれませんが)
よって
SE=√(1050/2)/√3
でいいのでしょうか?

以下に書いてあるように、
http://oshiete1.goo.ne.jp/kotaeru.php3?q=1514110
「平均値の標準偏差」が「平均値の標準誤差」ということなら、
SE=√(1050/2)
なのかなとも思っていまして。誤解していたらすみません。

標準誤差についての説明は多く見受けられましたが、
具体的な計算方法が載っているものがほとんどなかったので
(探せられなかっただけかもしれません)質問させて
頂きました。上記の計算方法が間違っていたら、
ご指摘くださいますようよろしくお願いいたします。

生物実験において例えば
1回の実験につき3つのデータを取り、同じ実験を3回繰り返して
以下のようなデータが出たとします。

実験1回目)120, 130, 110
実験2回目)75, 80, 70
実験3回目)105, 120, 90

それぞれの実験の平均値は以下の値です。
実験1回目)120
実験2回目)75
実験3回目)105

この実験から母集団の平均値のありそうな範囲を求めたいので
標準誤差(SE)を出すと思うのですが、
SE=標準偏差/√データ数
ということから、
平均値mは実験1~3)の平均値から
m=(120+75+105)/3
=...続きを読む

Aベストアンサー

#2のコメントへ

前後の文脈がなくその英文だけでは何をさしているのかわかりません。
本当に平均値の標準偏差を取るのかもしれませんし。

話を整理します。

1. 中心極限定理
母集団について平均をμ、標準偏差をσとします。
この母集団からn個の標本を取り出し平均値を求めると、その平均値の分布は、nが十分に大きければ、平均がμ、標準偏差がσ/√nの正規分布に近づきます。これが中心極限定理です。(厳密にはn無限大の極限で一致ですが、n=10程度になれば、そこそこ近い分布になります。)

この定理により、1セットの実験を繰り返して多数個の平均値を求めなくても、平均値の分布を求めることができます。

2. 不偏分散
母集団の平均や標準偏差が求められればいいのですが、現実には求めることができません。そこで、代用品として推定量を使うことになります。この推定量は、一つの値単独では母集団の値とずれるのは仕方ありませんが、期待値を取ったとき(要するに多数回の実験を繰り返して平均を求める)に母集団の値と一致するような量を選びます。これが不偏推定量で、分散の不偏推定量を特に不偏分散と呼びます。

一回の測定で求められる平均と標準偏差をMとSとすると、定義どおり計算すれば、測定値をxとして1回の実験ごとに

M =Σx/n, S^2 = Σ(x-M)^2/n

が求められます。m回の実験を繰り返すと、それぞれ

M1, M2, M3, ・・・・, Mm, S1^2, S2^2, S3^2,・・・・,Sm^2

とm個のMとS^2が得られ、それぞれの平均、

(M1+ M2+M3+ ・・・・+Mm)/m, ( S1^2+ S2^2+ S3^2+・・・・+Sm^2)/m

を計算することができます。

幸いなことに、Mについてはm→∞の極限でこの平均値の平均が母集団平均μに一致するので、標本平均Mを平均値の不偏推定量として使うことができます。

ところが、S^2については、この分散の平均はm→∞の極限でも母分散σ^2には一致しないので、不偏推定量としては使えません。しかし、その極限値は(n-1/n)σ^2になるので、はじめからS^2の定義に(n/n-1)をかけた量

(n/n-1) S^2 = (n/n-1)Σ(x-M)^2/n = Σ(x-M)^2/(n-1)

を考えておけば、この量の平均はm→∞の極限で母分散σ^2に一致することになります。これが不偏分散です。

3. 平均の実験標準偏差
上のことを考えれば、一回の実験のn個の測定値から平均値の標準偏差を推定することができます。つまり、2の不偏分散をnで割ってやれば平均値の分散の推定値を得ることができ、標準偏差は分散の正の平方根なので、平均値の標準偏差は

√[Σ(x-M)^2/(n-1)/n]

で求められることになります。GUMでは、この量に対し、平均の実験標準偏差という名前が与えられています。

質問の文章や上の回答の中に出現している「平均値の標準偏差」や「平均値の標準誤差」というものは、このような手順で導出される量を指しています。したがって、質問にあるように複数個の平均が求められている場合に、その公式を平均値に使うのは誤りです。

ただし、これが質問者が書いているような「同じ実験」ではなく、制御できない要因が入り込んだことによる別の実験の個々の測定値であるとするのであれば、おそらく、質問の計算は間違いでもないと思われます。が、本当にそれに意味があるかどうかは別途考察が必要だろうと思います。たとえば、求めたいものが制御不能な変動の巾であるのだとしたら、最後にnで割らず、

√[Σ(M-<M>)^2/(n-1)] または√[Σ(M-<M>)^2/n]

で求める方が適切です。

#2のコメントへ

前後の文脈がなくその英文だけでは何をさしているのかわかりません。
本当に平均値の標準偏差を取るのかもしれませんし。

話を整理します。

1. 中心極限定理
母集団について平均をμ、標準偏差をσとします。
この母集団からn個の標本を取り出し平均値を求めると、その平均値の分布は、nが十分に大きければ、平均がμ、標準偏差がσ/√nの正規分布に近づきます。これが中心極限定理です。(厳密にはn無限大の極限で一致ですが、n=10程度になれば、そこそこ近い分布になります。)

この定理...続きを読む


人気Q&Aランキング