Calculadora de erro padrão - SE com dados ou resumo

O erro padrão da média (SE ou SEM) é o desvio padrão da distribuição amostral da média. Em termos simples, ele indica o quão longe a média amostral tende a ficar da verdadeira média populacional se o processo de amostragem fosse repetido muitas vezes. Um SE pequeno significa que a média da amostra é uma estimativa precisa da média populacional; um SE grande indica maior incerteza. A fórmula é SE = s / √n, em que s é o desvio padrão da sua amostra e n é o número de observações. No modo de dados brutos, a calculadora primeiro calcula o desvio padrão amostral (usando a correção de Bessel, com n−1 no denominador) e depois divide por √n. No modo de estatísticas resumidas, você informa diretamente a média, o desvio padrão e n, o que é útil quando você já tem dados agregados — por exemplo, de um artigo publicado — e não tem acesso às observações brutas. A calculadora também calcula o intervalo de confiança da média no nível escolhido (90%, 95% ou 99%). O intervalo é construído como x̄ ± z × SE, em que z é o valor crítico da distribuição normal padrão (1,645 para 90%, 1,96 para 95%, 2,576 para 99%). Esses intervalos baseados em z são apropriados para amostras grandes (n ≥ 30) ou quando a população é conhecida por ser normalmente distribuída. Para amostras pequenas de populações não normais, um intervalo baseado em t (usando t com n−1 graus de liberdade) seria mais preciso; como regra prática, os valores z e t são quase idênticos para n ≥ 30. O SE é usado em quase todos os ramos da pesquisa quantitativa. Na medicina, artigos clínicos normalmente relatam médias com seus SEs ou intervalos de confiança para que os leitores possam julgar se as diferenças entre grupos de tratamento são clinicamente significativas. Na manufatura, avaliações de capacidade de processo usam o SE para determinar se a média amostral está de forma confiável dentro dos limites de especificação. Em pesquisas de ciências sociais, a margem de erro de uma média reportada é função direta do SE. Na análise de risco financeiro, o SE é usado para estimar a incerteza em torno de retornos médios e outros estatísticos. Em machine learning, o SE sustenta os intervalos de confiança bootstrap usados para comparar métricas de desempenho de modelos. Entender quando relatar SE versus desvio padrão (DP) também é importante. O DP descreve o quanto as medições individuais se espalham; ele não diminui quando você coleta mais dados (assumindo que a variabilidade real da população permaneça fixa). O SE descreve a precisão da estimativa da média e diminui com mais dados porque SE = DP / √n. Quando o objetivo é comunicar variabilidade entre indivíduos — por exemplo, a faixa de idades dos pacientes em um estudo — relate o DP. Quando o objetivo é comunicar a precisão de uma estimativa de média — por exemplo, a confiabilidade de uma redução média da pressão arterial — relate o SE ou o intervalo de confiança derivado dele.