Error estándar en R
¿Cuál es el error estándar en el lenguaje R en Ubuntu 20?.04?
El error estándar de un datos es la desviación estándar de su distribución de muestra, o una estimación de TI (SE). Para tener el error estándar, divida el error estándar por la raíz cuadrada de los datos experimentales. Exploraremos cómo estimar el error estándar de la media en el lenguaje R de script en esta publicación. El error estándar se puede calcular matemáticamente utilizando la fórmula:
sintaxis:
SD (A)/SQRT (Longitud ((a)))Tenemos SD, que se menciona como el método de desviación estándar. La entrada "A" es la variable de los datos de la muestra. El SEM (error estándar de la media) es un criterio para evaluar cómo se dispersan los valores extensos alrededor de la media. Tenga en cuenta los siguientes dos factores al evaluar el error estándar de la media:
- Más de los elementos en una colección se dispersan en toda la media a medida que aumenta la desviación estándar de la media.
- A medida que se expande el tamaño de los datos dados, cae la desviación estándar de la media.
La aplicación de error estándar en R en Ubuntu 20.04
- La desviación estándar calculada de la distribución de la muestra es el error estándar de la estadística. Esto se crea muestreando la media u otra estadística de la población (incluida la desviación estándar de la muestra) y observando la variación dentro de sus muestras. Esta estadística se encuentra con frecuencia en las perspectivas de estadísticas resumidas y descriptivas. En una prueba o experimento, es fundamental utilizar un enfoque de muestra aleatorio para obtener el modelo de punto de datos más preciso posible para que el ejemplo de placa u otro modelo de modelo sea lo más preciso posible y lo más cerca posible de una distribución normal posible.
- El error estándar de la media de una muestra es una medida de qué tan cerca está de la media de la población genuina. Si su error estándar es significativo, la estadística es imprecisa. A medida que los tamaños de muestra se hacen más grandes, las medias de muestra tienden a agruparse más cerca de la media verdadera.
- El error estándar (escalado según la raíz cuadrada del tamaño de la muestra) y la varianza se ven afectados por el tamaño de la muestra, como se ve en el ejemplo anterior. Esto tiene ramificaciones para su población significa el intervalo de confianza de la estimación.
Cómo evaluar el error estándar en la R en Ubuntu 20.04?
En este artículo, aprenderá cómo calcular el error estándar de un conjunto de datos utilizando algunos métodos diferentes en R. Vale la pena señalar que los resultados de todos los procedimientos son idénticos.
Ejemplo # 1: Uso del método SD para la evaluación del error estándar en R en Ubuntu 20.04
Usando las funciones incluidas en el paquete de script Base R, puede determinar rápidamente la desviación estándar de la media. Para los cálculos independientes, implementa el método SD (desviación estándar en R). La desviación estándar se calcula utilizando el método sd (), que acepta un vector entero como entrada. Usaremos el método sd () para calcular la desviación estándar, seguido del método de longitud () para definir el número de observaciones en total.
En el script dado, hemos declarado una variable x donde se inicializa el vector numérico. Luego, tenemos una declaración de impresión, y dentro de la instrucción de impresión, tenemos una función SD para tomar la entrada x y luego dividir por la función SQRT, que tiene la operación de longitud en la variable x. Cuando se ejecuta, la declaración de impresión muestra la estimación de salida del error estándar.
Ejemplo # 2: Uso de la fórmula de error estándar para evaluar el error estándar en R en Ubuntu 20.04
Para obtener las observaciones, utilizaremos la fórmula de error estándar. La fórmula es sqrt (suma ((a-mean (a))^2/(longitud (a) -1)))/sqrt (longitud (a)) Para el error estándar, donde la entrada es datos. La raíz cuadrada se estima utilizando la función SQRT de datos. La suma es un método que se utiliza para estimar el número agregado de elementos en un conjunto de datos. La función se utiliza para calcular el promedio de los datos. El método de longitud se utiliza para adquirir la longitud de los datos.
La variable X se define aquí e inicializada con los vectores con diez elementos. La fórmula de error estándar se aplica a la entrada de los datos x dentro del comando de impresión, que genera la estimación de la desviación estándar para este vector.
Ejemplo # 3: Usando el STD.Función de error del módulo Plotrix para evaluar el error estándar en R en Ubuntu 20.04
Instale el paquete Plotrix en R para utilizar el STD.Función ERROR (). El ETS.Error () El método en el módulo complementario de Plotrix también puede estimar el error estándar. La desviación estándar se evalúa utilizando el STD.Método de error (). Se puede pasar un vector numérico a la ETS.Función ERROR ().
Aquí, hemos agregado el módulo Plotrix dentro de la función de la biblioteca, ya que hemos incluido el módulo Plotrix, por lo que ahora podemos usar fácilmente el STD.función de error para la estimación de errores estándar. Para esto, hemos creado los datos en la variable V y pasamos la variable V en el STD.función de error, que se llama dentro del comando de impresión. Tras la ejecución de la instrucción de impresión, se genera el valor de error estándar.
Conclusión
Aquí, lo hemos hecho con el error estándar en el lenguaje R. La media (SEM) es una estadística para determinar cómo se distribuyen los valores extensos en un conjunto de datos. Con la división del error estándar por la raíz del tamaño de muestreo, se calcula la media de la muestra. Hemos analizado tres formas de evaluar el error estándar en este artículo R: Uso del método SD () en combinación con la función de longitud, la fórmula de error estándar como guía y el último paquete Plotrix se usa.