標(biāo)準(zhǔn)誤梭稚,標(biāo)準(zhǔn)差,置信區(qū)間分不清硕勿?派森諾教你畫誤差線

在任何一種測(cè)量中枫甲,無論所用儀器多么精密源武,方法多么完善扼褪,實(shí)驗(yàn)者多么細(xì)心,不同時(shí)間所測(cè)得的結(jié)果不一定完全相同粱栖,會(huì)有一定的誤差和偏差话浇,嚴(yán)格來講,誤差是指實(shí)驗(yàn)測(cè)量值(包括直接和間接測(cè)量值)與真值(客觀存在的準(zhǔn)確值)之差闹究,偏差是指實(shí)驗(yàn)測(cè)量值與平均值之差幔崖。

誤差分析的目的就是評(píng)定實(shí)驗(yàn)數(shù)據(jù)的準(zhǔn)確性,通過誤差分析渣淤,認(rèn)清誤差的來源及其影響赏寇,依據(jù)分析結(jié)果減小誤差,提高數(shù)據(jù)的準(zhǔn)確性价认。

接下來嗅定,給大家介紹一款,誤差分析的可視化工具用踩。

圖1 誤差折線圖

正式介紹實(shí)現(xiàn)方法之前渠退,我們先來了解下誤差折線圖涉及的三個(gè)統(tǒng)計(jì)概念。

01脐彩、三個(gè)概念

1. 標(biāo)準(zhǔn)誤(Standard Error碎乃,SE)

標(biāo)準(zhǔn)誤差(簡(jiǎn)稱標(biāo)準(zhǔn)誤)表示的是抽樣的誤差。因?yàn)閺囊粋€(gè)總體中可以抽取出無數(shù)多種樣本惠奸,每一種樣本的數(shù)據(jù)都是對(duì)總體的數(shù)據(jù)的估計(jì)梅誓。標(biāo)準(zhǔn)誤代表的就是當(dāng)前的樣本對(duì)總體數(shù)據(jù)的估計(jì),標(biāo)準(zhǔn)誤是由樣本的標(biāo)準(zhǔn)差除以樣本容量的開平方來計(jì)算的佛南。從公式可以看到证九,標(biāo)準(zhǔn)誤更大的是受到樣本容量的影響。樣本容量越大共虑,標(biāo)準(zhǔn)誤越小愧怜,那么抽樣誤差就越小,就表明所抽取的樣本能夠較好地代表總體妈拌。

se = sd(vec) / sqrt(length(vec))

2.標(biāo)準(zhǔn)差(Standard Deviation拥坛,SD)

標(biāo)準(zhǔn)偏差(簡(jiǎn)稱標(biāo)準(zhǔn)差)是樣本平均數(shù)方差的開平方。它反映組內(nèi)個(gè)體間的離散程度尘分。標(biāo)準(zhǔn)差通常是相對(duì)于樣本數(shù)據(jù)的平均值而定的猜惋,通常用M±SD來表示樣本數(shù)據(jù)觀察值和平均值的差距。從公式可以看出培愁,標(biāo)準(zhǔn)差會(huì)受到極值的影響著摔。標(biāo)準(zhǔn)差越小,表明數(shù)據(jù)越聚集定续;標(biāo)準(zhǔn)差越大谍咆,表明數(shù)據(jù)越離散禾锤。

# R 語言實(shí)現(xiàn)函數(shù)

sd <- sd(vec)

sd <- sqrt(var(vec))

3. 置信區(qū)間(Confidence Interval,CI)

所謂置信區(qū)間就是分別以統(tǒng)計(jì)量的置信上限和置信下限為上下界構(gòu)成的區(qū)間摹察,是這個(gè)參數(shù)的真實(shí)值在一定概率條件下落在測(cè)量結(jié)果周圍的程度恩掷。

# R 語言實(shí)現(xiàn)

alpha=0.05

t=qt((1-alpha)/2 + .5, length(vec)-1) ? # tend to 1.96 if sample size is big enough

CI=t*se

02、平臺(tái)實(shí)現(xiàn)

首先供嚎,登入派森諾基因云, 進(jìn)入【云圖匯→誤差折線圖

1. 準(zhǔn)備數(shù)據(jù)

準(zhǔn)備圖2所示數(shù)據(jù)黄娘,數(shù)據(jù)文件第一列對(duì)應(yīng)的是分組,第二列對(duì)應(yīng)的是變量名稱克滴,第三列對(duì)應(yīng)的是變量數(shù)值逼争。

圖2 數(shù)據(jù)示例

2. 提交繪圖

上傳數(shù)據(jù)后,一鍵提交繪圖即可劝赔。

圖3 上傳數(shù)據(jù)示例

3. 參數(shù)調(diào)整

1.圖表樣式:添加網(wǎng)絡(luò)線和邊框氮凝。

圖4 添加網(wǎng)絡(luò)線和邊框示例

2.線條樣式:大家可以選擇添加平滑曲線,讓線段更自然望忆,更好看罩阵。同時(shí)也可以調(diào)整線條的粗細(xì),以及樣式启摄。

圖5 平滑曲線示例

圖6 線條粗細(xì)和樣式示例

3.差值計(jì)算:可切換為標(biāo)準(zhǔn)誤稿壁,標(biāo)準(zhǔn)差,置信度歉备。多角度描述圖表信息傅是。

圖7 差值計(jì)算示例

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市蕾羊,隨后出現(xiàn)的幾起案子喧笔,更是在濱河造成了極大的恐慌,老刑警劉巖龟再,帶你破解...
    沈念sama閱讀 218,036評(píng)論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件书闸,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡利凑,警方通過查閱死者的電腦和手機(jī)浆劲,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,046評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來哀澈,“玉大人牌借,你說我怎么就攤上這事「畎矗” “怎么了膨报?”我有些...
    開封第一講書人閱讀 164,411評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)。 經(jīng)常有香客問我现柠,道長(zhǎng)院领,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,622評(píng)論 1 293
  • 正文 為了忘掉前任晒旅,我火速辦了婚禮,結(jié)果婚禮上汪诉,老公的妹妹穿的比我還像新娘废恋。我一直安慰自己,他們只是感情好扒寄,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,661評(píng)論 6 392
  • 文/花漫 我一把揭開白布鱼鼓。 她就那樣靜靜地躺著,像睡著了一般该编。 火紅的嫁衣襯著肌膚如雪迄本。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,521評(píng)論 1 304
  • 那天课竣,我揣著相機(jī)與錄音嘉赎,去河邊找鬼。 笑死于樟,一個(gè)胖子當(dāng)著我的面吹牛公条,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播迂曲,決...
    沈念sama閱讀 40,288評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼靶橱,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來了路捧?” 一聲冷哼從身側(cè)響起关霸,我...
    開封第一講書人閱讀 39,200評(píng)論 0 276
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎杰扫,沒想到半個(gè)月后队寇,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,644評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡章姓,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,837評(píng)論 3 336
  • 正文 我和宋清朗相戀三年英上,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片啤覆。...
    茶點(diǎn)故事閱讀 39,953評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡赞枕,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出乒省,到底是詐尸還是另有隱情厌衙,我是刑警寧澤,帶...
    沈念sama閱讀 35,673評(píng)論 5 346
  • 正文 年R本政府宣布笨觅,位于F島的核電站拦耐,受9級(jí)特大地震影響耕腾,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜杀糯,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,281評(píng)論 3 329
  • 文/蒙蒙 一扫俺、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧固翰,春花似錦狼纬、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,889評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至歉铝,卻和暖如春盈简,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背太示。 一陣腳步聲響...
    開封第一講書人閱讀 33,011評(píng)論 1 269
  • 我被黑心中介騙來泰國(guó)打工柠贤, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人类缤。 一個(gè)月前我還...
    沈念sama閱讀 48,119評(píng)論 3 370
  • 正文 我出身青樓种吸,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親呀非。 傳聞我的和親對(duì)象是個(gè)殘疾皇子坚俗,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,901評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容

  • 16宿命:用概率思維提高你的勝算 以前的我是風(fēng)險(xiǎn)厭惡者,不喜歡去冒險(xiǎn)岸裙,但是人生放棄了冒險(xiǎn)猖败,也就放棄了無數(shù)的可能。 ...
    yichen大刀閱讀 6,050評(píng)論 0 4
  • 公元:2019年11月28日19時(shí)42分農(nóng)歷:二零一九年 十一月 初三日 戌時(shí)干支:己亥乙亥己巳甲戌當(dāng)月節(jié)氣:立冬...
    石放閱讀 6,879評(píng)論 0 2
  • 今天上午陪老媽看病降允,下午健身房跑步恩闻,晚上想想今天還沒有斷舍離,馬上做剧董,衣架和旁邊的的布衣架幢尚,一看亂亂,又想想自己是...
    影子3623253閱讀 2,912評(píng)論 1 8