Расчёт стандартной ошибки: формула, примеры и онлайн-калькулятор

Представьте, что вы хотите узнать средний вес пиццы в вашем городе. Вы не можете взвесить каждую пиццу, поэтому берёте выборку — 100 пицц. Среднее по выборке — 400 г. Но если бы вы взяли другую выборку из 100 пицц, среднее могло бы быть 398 или 402 г. Стандартная ошибка (SE, Standard Error) — это мера того, насколько среднее выборки может колебаться от выборки к выборке. Чем меньше SE, тем точнее ваша оценка.

SE критична для:

• Проверки гипотез — например, в A/B-тестах, чтобы понять, значима ли разница между вариантами.
• Построения доверительных интервалов — с SE вы можете сказать: «с 95% вероятностью истинное среднее лежит в пределах от 395 до 405 г».
• Сравнения средних — если SE двух групп не пересекаются, разница, скорее всего, неслучайна.

Не путайте SE со стандартным отклонением (SD): SD показывает разброс отдельных значений, а SE — точность среднего. Для расчёта SD используйте Калькулятор стандартного отклонения.

Формула проще, чем кажется:

Где:

• SE — стандартная ошибка среднего (Standard Error of the Mean).
• σ — стандартное отклонение выборки (или популяции, если известно).
• √n — квадратный корень из объёма выборки (n).

Если вы не знаете стандартное отклонение популяции, используйте выборочное стандартное отклонение s (с поправкой на n-1). Тогда формула:

На практике почти всегда используют s, так как σ неизвестно. Чтобы не считать вручную, можно воспользоваться Калькулятором стандартной ошибки — он делает всё за секунду.

Пример 1. Самый простой: маленькая выборка.

Вы измерили рост 5 человек: 170, 172, 175, 168, 171 см. Среднее = 171,2 см. Стандартное отклонение s = 2,59 см. n=5, √5 ≈ 2,236. SE = 2,59 / 2,236 ≈ 1,16 см.

Пример 2. Средняя сложность: большая выборка.

Опрос 400 покупателей показал средний чек 2500 ₽, s = 800 ₽. SE = 800 / √400 = 800 / 20 = 40 ₽.

Пример 3. Сложный: сравнение двух групп.

В A/B-тесте контрольная группа (n=500) показала конверсию 5%, экспериментальная (n=500) — 6%. SE для доли: SE = √(p(1-p)/n). Для контроля: √(0,05×0,95/500) ≈ 0,0097 (0,97%). Для эксперимента: √(0,06×0,94/500) ≈ 0,0106 (1,06%). Разница конверсий = 1%, SE разницы = √(SE1² + SE2²) ≈ 1,44%. Поскольку разница меньше 1,96×SE (2,82%), разница незначима при 95% доверии.

1. Путают SE и SD. SD характеризует разброс данных, SE — точность среднего. Всегда уточняйте, что вы используете.
2. Используют σ вместо s. Если σ неизвестно, берите s с n-1 в знаменателе. Иначе SE будет занижен.
3. Игнорируют размер выборки. SE = σ/√n, поэтому при n=10 SE в 3 раза больше, чем при n=90. Маленькая выборка — большая неопределённость.
4. Забывают про доверительный интервал. SE сама по себе бесполезна; её используют для ДИ: среднее ± z*SE (для 95% z=1,96).
5. Сравнивают SE разных выборок напрямую. Лучше используйте SE разницы средних.

Чтобы избежать ошибок, доверьте расчёт автоматике: Калькулятор стандартной ошибки учтёт все нюансы.

1. Задача 1. Выборка из 36 наблюдений имеет s=12. Чему равна SE? Ответ: SE = 12/6 = 2.
2. Задача 2. SE = 5, n = 25. Найдите s. Ответ: s = SE × √n = 5 × 5 = 25.
3. Задача 3. В двух выборках SE1=2, SE2=3. Чему равна SE разности? Ответ: SE_diff = √(4+9) = √13 ≈ 3,61.
4. Задача 4. Среднее = 100, SE=4. Постройте 95% доверительный интервал. Ответ: 100 ± 1,96×4 = [92,16; 107,84].

Решили все? Отлично! Если нет — не страшно, главное понять принцип.

1. Планирование исследования. Чтобы SE уменьшить вдвое, нужно увеличить выборку в 4 раза. Например, если при n=100 SE=10, то для SE=5 нужно n=400.

2. Оценка точности. В опросах общественного мнения часто говорят «погрешность ±3%» — это 2×SE (примерно 95% ДИ). Для больших выборок (n>1000) SE доли ≈ 0,015 (1,5%).

3. A/B-тестирование. SE разницы конверсий — ключевой показатель. Если она велика, тест нужно продолжать.

4. Научные публикации. SE всегда указывают рядом со средним: M = 50, SE = 2. Это стандарт в журналах.

Для быстрых расчётов используйте Калькулятор стандартной ошибки — он работает и на телефоне.

SE основана на предположении о нормальности распределения или применимости центральной предельной теоремы. В некоторых ситуациях она может вводить в заблуждение:

• Маленькие выборки (n < 30). Если распределение далеко от нормального, SE даёт неточный доверительный интервал. Лучше использовать бутстреп или t-распределение.
• Выбросы. SE чувствительна к выбросам, так как s резко растёт. Перед расчётом стоит очистить данные.
• Зависимые наблюдения. SE предполагает независимость. Если данные повторные или кластеризованные, SE недооценивает неопределённость.
• Доли около 0 или 1. Для p близких к 0 или 1 формула SE = √(p(1-p)/n) работает плохо; применяют корректировку Вильсона.

В сложных случаях консультируйтесь со специалистом или используйте более продвинутые инструменты на нашем сайте.

Стандартная ошибка — простой, но мощный инструмент статистики. Она позволяет оценить точность среднего, сравнить группы и построить доверительные интервалы. Запомните три правила:

1. SE = s / √n — формула, которую нужно знать наизусть.
2. SE зависит от n — чем больше выборка, тем точнее.
3. SE ≠ SD — не путайте их.

Не стесняйтесь считать SE с помощью Калькулятора стандартной ошибки — это сэкономит время и убережёт от ошибок. Удачи в анализе данных!