均值估计标准差(Standard Deviation) 和 标准误差(Standard Error)

本文介绍了标准差和标准误差的区别及其在统计中的作用。标准差描述数据点围绕均值的分布,而标准误差用于估计样本均值的精度。在正态分布中,标准差可帮助理解数据的分布范围。标准误差是基于样本标准差和样本大小计算的,用于构建置信区间,反映均值估计的稳定性。选择SD、SE和CI应根据报告需求,SD是数据报告必需的,SE用于计算置信区间,CI是显著性检验的补充。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

最近一直在研究均值估计之类的问题,下午正好有机会和大家分享一下.

    本文摘自

    Streiner DL.Maintaining standards: differences between the standard deviation and standarderror, and when to use each. Can J Psychiatry 1996; 41: 498–502.

    


    

 

    

 

    

标准差(Standard Deviation)

 

    标准差,缩写为S.D., SD, 或者 s (就是为了把人给弄晕?),是描述数据点在均值(mean)四周聚集水平的指标。

 

    如果把单个数据点称为“Xi,” 因此 “X1” 是第一个值,“X2” 是第二个值,以此类推。均值称为“M”。初看上去Σ(Xi-M)就可以作为描述数据点散布情况的指标,也就是把每个XiM的偏差求和。换句话讲,是(单个数据点—数据点的均匀)的总和。

 

    看上去挺有逻辑性的,但是它有两个缺点。

 

    第一个困难是:上述定义的结果永久是0。根据定义,高出均值的和永久即是低于均值的和,因此它们相互抵消。可以取差值的绝对值来处理(也就是说,忽略负值的符号),但是由于各种神秘兮兮的原因,统计学家不喜欢绝对值。另外一个剔除负号的方法是取平方,因为任何数的平方肯定是正的。所以,我们就有Σ(Xi-M)2

 

    另外一个问题是当我们增加数据点后此等式的结果会随之增大。比如我们手头有25个值的样本,根据前面公式计算出SD是10。如果再加25个一模一样的样本,直觉上50个大样本的数据点分布情况应当不变。但是我们的公式会产生更大的SD值。好在我们可以通过除以数据点数量N来填补这个漏洞。所以等式就酿成Σ(Xi-M)2/N.

 

    根据墨菲定律,我们处理了两个问题,就会随之产生两个新问题。

### 海洋温度数据分析与可视化 在 MATLAB 中实现海洋温度数据的均值标准差计算及其长期变化趋势可视化的流程可以分为以下几个部分: #### 数据准备 假设已有一组时间序列形式的海温数据 `T`,其维度为 `[n, m]` 或更高维数组(例如三维网格)。如果数据未经过预处理,则需先对其进行标准化中心化操作[^2]。 ```matlab % 假设 T 是 n×m 的矩阵,表示不同时间地点的海温数据 mean_T = mean(T(:)); % 计算全局平均值 std_T = std(T(:)); % 计算全局标准差 normalized_T = (T - mean_T) / std_T; % 标准化到零均值单位方差 ``` #### 均值标准差计算 对于二维或多维的数据集,可以通过 `mean` `std` 函数分别沿指定维度求解均值标准差。以下是具体代码示例: ```matlab % 沿第一个维度(通常代表时间轴)计算均值标准差 time_mean = mean(T, 1); % 时间上的均值 time_std = std(T, [], 1); % 时间上的标准差 % 如果需要空间上的统计量 spatial_mean = mean(T, 'all'); % 整体空间均值 spatial_std = std(T, [], 'all'); % 整体空间标准差 ``` #### 长期趋势拟合 为了展示长期的变化趋势,可采用线性回归方法来估计随时间变化的趋势项。通过多项式拟合函数 `polyfit` 可以完成这一目标。 ```matlab t = 1:size(T, 1); % 创建时间向量 p = polyfit(t, time_mean', 1); % 对时间均值进行一次多项式拟合 fitted_trend = polyval(p, t); % 获取拟合后的趋势曲线 ``` #### 结果可视化 最后一步是将上述结果绘制成图表以便直观理解。下面提供了一个完整的绘图脚本: ```matlab figure; subplot(3, 1, 1); plot(time_mean, 'b'); hold on; plot(fitted_trend, 'r--'); % 绘制拟合趋势线 title('Time Mean and Trend Line'); xlabel('Time Index'); ylabel('Temperature (\circC)'); legend('Mean Temperature', 'Fitted Trend'); subplot(3, 1, 2); errorbar(t, time_mean, time_std, 'o-'); % 使用误差棒显示标准差范围 title('Mean with Standard Deviation'); xlabel('Time Index'); ylabel('Temperature (\circC)'); subplot(3, 1, 3); imagesc(spatial_mean); colorbar; colormap jet; title('Spatial Mean Distribution'); xlabel('Longitude'); ylabel('Latitude'); ``` 以上代码实现了对海温数据的时间均值标准差以及长期趋势的计算,并提供了相应的图形化表达方式[^1]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值