Zawartość
W statystyce parametry liniowego modelu matematycznego można określić na podstawie danych eksperymentalnych za pomocą metody zwanej regresją liniową. Ta metoda szacuje parametry równania w postaci y = mx + b (równanie standardowe dla linii) na podstawie danych eksperymentalnych. Jednak, podobnie jak w przypadku większości modeli statystycznych, model nie będzie dokładnie pasował do danych; dlatego niektóre parametry, takie jak nachylenie, będą wiązały się z pewnym błędem (lub niepewnością). Błąd standardowy jest jednym ze sposobów pomiaru tej niepewności i można go osiągnąć w kilku krótkich krokach.
Znajdź sumę kwadratowych reszt (SSR) dla modelu. Jest to suma kwadratu różnicy między każdym pojedynczym punktem danych a punktem danych przewidywanym przez model. Na przykład, jeśli punkty danych wynosiły 2,7, 5,9 i 9,4, a punkty danych przewidywane z modelu miały 3, 6 i 9, to przyjęcie kwadratu różnicy każdego z punktów daje 0,09 (znalezione przez odjęcie 3 przez 2,7 i do kwadratu otrzymanej liczby), odpowiednio 0,01 i 0,16. Dodanie tych liczb razem daje 0,26.
Podziel SSR modelu przez liczbę obserwacji punktu danych minus dwa. W tym przykładzie są trzy obserwacje, a odjęcie dwóch od tego daje jedną. Dlatego podzielenie SSR 0,26 przez jeden daje 0,26. Nazwij ten wynik A.
Weź pierwiastek kwadratowy z wyniku A. W powyższym przykładzie przyjmowanie pierwiastka kwadratowego z 0,26 daje 0,51.
Określ wyjaśnioną sumę kwadratów (ESS) zmiennej niezależnej. Na przykład, jeśli punkty danych zostały zmierzone w odstępach 1, 2 i 3 sekund, wówczas odejmiesz każdą liczbę za pomocą liczb i wyprostujesz ją, a następnie zsumujesz liczby wynikowe. Na przykład średnia podanych liczb wynosi 2, więc odjęcie każdej liczby przez dwa i podniesienie do kwadratu daje 1, 0 i 1. Biorąc sumę tych liczb daje 2.
Znajdź pierwiastek kwadratowy ESS. W podanym tutaj przykładzie pierwiastek kwadratowy z liczby 2 daje 1,41. Nazwij ten wynik B.
Podziel wynik B przez wynik A. Podsumowując przykład, podzielenie 0,51 przez 1,41 daje 0,36. Jest to standardowy błąd nachylenia.