标准差和标准误的区别.docVIP

方差：也称变异数，均方，作为样本统计量常用S2表示，若作为总体的参数则用σ2表示，它是每个数据与该组数据平均数之差的平方的均值，即离均差平方的平均数。之所以如此计算，可以这样来理解：每个数与平均数的差（离均差）表明了它与这组数据的中心的距离，把所有的这种差异加起来当然就会反应整组数据内的分散与聚合情况 ，当然由于离均差之和为零，这里采用离均差的平方来保留下每个数据与平均数间的差异。 标准差(Standard Deviation)：方差的平根，作为统计量用S或SD表示，作为总体参数用σ表示。 方差与标准差的意义 1、方差与标准差是表示一组数据离散程度的最好指标，具备一个良好统计量的条件。 2、方差具有可加性，能利用这个特点分解出由于不同原因造成的数据的变异性，在方差分析这一统计方法中特别有用，可以参见下面的表格来理解这一概念： 变异系数=标准差/平均数 标准差与标准误 标准误的大小与标准差成正比,而与样本含量(n)的平分根成反比,即:Sx=S/[根号n],这就是标准误的计算方法. 1 　标准差标准差(S 或SD) ,是用来反映变异程度,当两组观察值在单位相同、均数相近的情况下,标准差越大,说明观察值间的变异程度越大。即观察值围绕均数的分布较离散,均数的代表性较差。反之,标准差越小,表明观察值间的变异较小,观察值围绕均数的分布较密集,均数的代表性较好。在医学研究中,对于标准差的大小,原则上应该控制在均值的12 %以内,如果标准差过大,将直接影响研究的准确性。数理统计表明,在标准正态分布曲线下的面积是有规律性的,根据这一规律,人们经常用均数加减标准差来计算样本观察值数量的理论分布,并以此来鉴定样本的代表性。即: x ±110 s 　表示68127 %的观察值在此范围之内; x ±1196 s 　表示95 %的观察值在此范围内; x ±2158 s 　表示99 %的观察值在此范围内。如果取得的样本资料的实际分布与理论分布非常接近,证明该样本具有代表性。反之,则需要重新修正抽样方法或样本含量。x ±1196 s 是确定正常值的方法,经常在工作中被采用,也称为95 %正常值范围。2 　标准误标准误( Sx 或S E ) ,是样本均数的抽样误差。在实际工作中,我们无法直接了解研究对象的总体情况,经常采用随机抽样的方法,取得所需要的指标,即样本指标。样本指标与总体指标之间存在的差别,称为抽样误差,其大小通常用均数的标准误来表示。数理统计证明,标准误的大小与标准差成正比,而与样本含量( n ) 的平分根成反比,即: Sx = S/ n 这就是标准误的计算方法。 抽样研究的目的之一,是用样本指标来估计总体指标。例如:用样本均数来估计总体均数。由于两者间存在抽样误差,且不同的样本可能得到不同的估计值,因此,常用“区间估计”的方法,来估计总体均数的范围。即: X ±1196 Sx 表示总体均数的95 %可信区间; X ±2158 Sx 表示总体均数的99 %可信区间。95 %可信区间指的是:在X ±1196 Sx 范围中,包括总体均数的可能性为95 % ,也就是说,在100 次抽样估计中,可能有95 次正确(包括总体均数) ,有5 次错误(不包括总体均数) 。99 %可信区间也是这个道理,只是包括的范围更大。 在实际工作中,由于抽取的样本较小,不呈标准正态分布( u 分布) ,而遵从t 分布,所以常用t 值代替1196 或2158。可在t 值表上查出不同自由度( n ′) 下、不同界值时的t 值。可见到自由度越小, t 值越大,当自由度逐渐增大时, t 值也逐渐接近1196 或2158 ,当n ′= ∞时, t 值就完全被其代替了。所以,我们常用X ± t 0105 Sx 表示总体均数的95 %可信区间,用x ± t 0101 Sx 表示总体均数的99 %可信区间。 综上所述,标准差与标准误尽管都是反映变异程度的指标,但这是两个不同的统计学概念。标准差描述的是样本中各观察值间的变异程度,而标准误表示每个样本均数间的变异程度,描述样本均数的抽样误差,即样本均数与总体均数的接近程度,也可以称为样本均数的标准差。二者不可混淆。由此可见,在众多的医刊上出现的x ±s 的表示方法是错误的。原因就是混淆了二者的概念。当两样本均数进行比较时,正确的用法应该是x ±t0105( n′) Sx 。