Qu’est-ce qu’une erreur standard relative?
En statistique, une erreur standard relative (RSE) est égale à l’ erreur standard d’une estimation d’enquête divisée par l’estimation d’enquête, puis multipliée par 100. Le nombre est multiplié par 100 pour pouvoir être exprimé en pourcentage. Le RSE ne représente pas nécessairement de nouvelles informations au-delà de l’erreur standard, mais il pourrait être une méthode supérieure de présentation de la confiance statistique.
Erreur standard relative par rapport à l’erreur standard
L’erreur type mesure dans quelle mesure une estimation d’enquête est susceptible de s’écarter de la population réelle. Il est exprimé sous forme de nombre. En revanche, l’erreur standard relative (RSE) est l’erreur standard exprimée sous forme de fraction de l’estimation et est généralement affichée sous forme de pourcentage. Les estimations avec un RSE de 25% ou plus sont sujettes à une erreur d’échantillonnage élevée et doivent être utilisées avec prudence.
Estimation de l’enquête et erreur standard
Les enquêtes et les erreurs types sont des éléments cruciaux de la théorie des probabilités et des statistiques. Les statisticiens utilisent des erreurs standard pour construire des intervalles de confiance à partir de leurs données d’enquête. La fiabilité de ces estimations peut également être évaluée en termes d’intervalle de confiance. Les intervalles de confiance sont importants pour déterminer la validité des tests empiriques et de la recherche.
Un intervalle de confiance est un type d’estimation d’intervalle, calculé à partir des statistiques des données observées, qui peut contenir la valeur réelle d’un paramètre de population inconnu. Les intervalles de confiance représentent la fourchette dans laquelle la valeur de la population est susceptible de se situer. Ils sont construits à l’aide de l’estimation de la valeur de la population et de son erreur type associée. Par exemple, il y a environ 95% de chances (c’est-à-dire 19 chances sur 20) que la valeur de la population se situe à l’intérieur de deux erreurs-types des estimations, de sorte que l’intervalle de confiance de 95% est égal à l’estimation plus ou moins deux erreurs-types.
En termes simples, l’erreur standard d’un échantillon de données est une mesure de la différence probable entre l’échantillon et l’ensemble de la population. Par exemple, une étude portant sur 10 000 adultes fumeurs de cigarettes peut générer des résultats statistiques légèrement différents de ceux obtenus si chaque adulte fumeur éventuel était interrogé.
Des erreurs d’échantillonnage plus petites indiquent des résultats plus fiables. Le théorème de la limite centrale des statistiques inférentielles suggère que les grands échantillons ont tendance à avoir des distributions approximativement normales et de faibles erreurs d’échantillonnage.
Écart type et erreur standard
L’écart type d’un ensemble de données est utilisé pour exprimer la concentration des résultats d’enquête. Moins de variété dans les données entraîne un écart type plus faible. Une plus grande variété entraînera probablement un écart type plus élevé.
L’erreur type est parfois confondue avec l’écart type. L’erreur type se réfère en fait à l’écart type de la moyenne. L’écart type fait référence à la variabilité à l’intérieur d’un échantillon donné, tandis qu’une erreur standard est la variabilité de la distribution d’échantillonnage elle-même.
Erreur standard relative
L’erreur type est une jauge absolue entre l’enquête par sondage et la population totale. L’erreur standard relative indique si l’erreur standard est importante par rapport aux résultats; des erreurs-types relatives importantes suggèrent que les résultats ne sont pas significatifs. La formule de l’erreur standard relative est:
