El error estándar relativo de un conjunto de datos está estrechamente relacionado con el error estándar y puede calcularse a partir de su desviación estándar. La desviación estándar es una medida de qué tan apretados están los datos alrededor de la media. El error estándar normaliza esta medida en términos del número de muestras, y el error estándar relativo expresa este resultado como un porcentaje de la media.
Calcule la media de la muestra dividiendo la suma de los valores de la muestra por el número de muestras. Por ejemplo, si nuestros datos consisten en tres valores: 8, 4 y 3, entonces la suma es 15 y la media es 15/3 o 5.
Calcule las desviaciones de la media de cada una de las muestras y cuadre los resultados. Por ejemplo, tenemos:
(8 - 5)^2 = (3)^2 = 9 (4 - 5)^2 = (-1)^2 = 1 (3 - 5)^2 = (-2)^2 = 4
Suma los cuadrados y divide por uno menos que el número de muestras. En el ejemplo, tenemos:
(9 + 1 + 4)/(3 - 1) = (14)/2 = 7
Esta es la varianza de los datos.
Calcule la raíz cuadrada de la varianza para encontrar la desviación estándar de la muestra. En el ejemplo, tenemos la desviación estándar = sqrt (7) = 2.65.
Divida la desviación estándar por la raíz cuadrada del número de muestras. En el ejemplo, tenemos:
2.65 / sqrt (3) = 2.65 / 1.73 = 1.53
Este es el error estándar de la muestra.
Calcule el error estándar relativo dividiendo el error estándar entre la media y expresándolo como un porcentaje. En el ejemplo, tenemos un error estándar relativo = 100 * (1.53 / 3), que llega al 51 por ciento. Por lo tanto, el error estándar relativo para nuestros datos de ejemplo es 51 por ciento.