Есть n независимых наблюдений с дисперсией σ^2. Как корректно описать, как меняются дисперсии статистик S=ΣXi и x̄ при росте n?
AИ
Var(S), и Var(x̄) уменьшаются как 1/nBИ
Var(S), и Var(x̄) растут как nC
Var(S) растёт примерно как nσ^2, а Var(x̄) падает как σ^2/nDИ
Var(S), и Var(x̄) не зависят от nПравильный ответ. Сумма накапливает разброс, а среднее его усредняет:
Var(S) растёт, Var(x̄) падает.Разбор
Для независимых наблюдений дисперсия суммы складывается, поэтому Var(S) растёт примерно линейно с n. Среднее делит сумму на n, поэтому его дисперсия уменьшается как 1/n, что напрямую связано с уменьшением SE как 1/√n. Это помогает интуитивно отличать поведение агрегатов: 'сумма' и 'среднее' ведут себя противоположно по точности. Ошибка — думать, что любое агрегирование автоматически делает показатель стабильнее.
Проверь себя · 1/3разбор после ответа
При фиксированном размере выборки
n стандартная ошибка среднего связана с разбросом данных как SE = σ/√n. Если стандартное отклонение метрики σ выросло в 2 раза, что произойдёт с SE?Ещё вопросы по теме «Случайные величины и выборочные распределения»
- Вы посчитали `выборочное среднее` `x̄` по случайной выборке пользователей. Как корректно трактовать `x̄`?
- Вы 1000 раз берёте случайные выборки размера n из одной популяции и каждый раз считаете `x̄`. Что из перечисленного является `sampling distribution` для `x̄`?
- Если стандартная ошибка среднего подчиняется приближению `SE ~ 1/√n`, как изменится `SE`, если размер выборки увеличится с 400 до 1600 (при том же разбросе данных)?
- Что утверждает `CLT` (интуитивно) про `выборочное среднее` `x̄` при достаточно большом `n`?
- Что корректнее всего отличает стандартное отклонение данных от стандартной ошибки среднего `SE`?
- Все вопросы по «Случайные величины и выборочные распределения» →