标准差(Standard Deviation) ,中文环境中又常称均方差,但不同于均方误差(mean squared error,均方误差是各数据偏离真实值的距离平方的平均数,也即误差平方.

刚刚好也在研究这个问题,看了一些其他的答案.顺便贴过来给你看看,不过我虽然知道公式怎么用了.但是还是没有理解为什么一个是除以n,一个是除以n-1 样本标准.

1,根据中心极限定理,样本均值的标准差等于总体的标准差除以根号n,n为抽样的样本容量,算下来就是0.79057; 2,Z值只是一个临界值,他是标准化的结果,本身没有意义,有意义的在于在标准正态分布模型中它代表的概率值.通过查正态分布概率表便可以知道,也可以通过excel计算,也可以通过mintab中的概率分布图计算.95%的置信水平,也就是允许5%的误差,正态分布是双侧的,所以是用5%(1-95%,即0.05)除以2,Z(0.05/2)表达的意思是在标准正态概率分布图中(均值等0,标准差等于1),概率面积为0.025%或1-0.025%)是对应的数值的绝对值,称为Z值.

在一个正态分布的总体中抽取n个样本,会有n个样本均数,这n个样本均数仍服从正态分布,这n个样本均数的均数仍是μ,标准差是σ/√n,此标准差即是样本均数的标准差,又名标准误.总体标准差σ通常未知,需用样本标准差s估计,样本均数标准差(标准误):s/√n

从总体中抽出一个样本,这个样本有一个均值.然而具有相同容量的样本不止一个,每次抽的的样本的均值也可能不同,即所抽样本的均值也构成一个统计量.如果总体的分布一定,那么抽的的样本的均值也服从一个固定的分布.所以,样本均值的期望等于总体期望,标准差根据总体是否有限及其总体分布可计算出.即样本均值的标准差是抽样时所得不同样本的样本均值的分布的离散程度.

样本是总体的一部分.样本是没有单位的.它一定程度上可以反映出总体的特征.标准差是反映数据的波动情况,标准差越小,波动的程度越小,一般就越有代表性.

方差是实际值与期望值之差平方的平均值,而标准差是方差平方根.方差和标准差:样本中各数据与样本平均数的差的平方和的平均数叫做样本方差;样本方差的算术平方.

我刚帮你搜了,找到答案是C.2013年初级统计师考试《专业知识和实务》预习重点:样本均值 统计量的概率分布提供了该统计量长远而稳定的信息,它构成了推断总体参数的理论基础. 样本均值的均值是总体均值. 在重置抽样时,样本均值的标准差为总体标准差的1/n.你的认可是我解答的动力,请采纳.

总体均值、方差一般不涉及计算,因为总体的容量通常很大,所以这只是一个概念性的东西 关于样本应该是相对重点的,高中阶段提到的样本,大多是离散型随机变量,也.

Xi独立 且服从X的分布 D(Xi)=D(X) X的均值=1/n*(X1+X2+……+Xn)=1/n*X1+1/n*X2+……+1/n*Xn 正态分布的线性组合仍服从正态分布 D(X的均值)=D[1/n*(X1+X2+……+Xn)]=1/(n^2)D(X1+X2+……+Xn)=1/(n^2)*[D(X1)+D(X2)+……+D(Xn)]=1/(n^2)*(n个X的总体方差)=1//n个X的总体方差