样本均值标准误计算器（SEM）
根据原始样本数据计算均值标准误（SEM）——输入数字，一步得到样本量、均值、标准差、方差和SEM。
输入用逗号分隔的一组数字。计算器会计算样本标准差、方差、均值以及均值标准误（SEM = s / √n）。
样本均值标准误计算器（SEM）
根据原始样本数据计算均值标准误（SEM）——输入数字，一步得到样本量、均值、标准差、方差和SEM。
输入用逗号或空格分隔的数字
关于样本均值标准误计算器
样本均值的标准差——更常称为均值标准误（SEM）——是一项基础统计量，用来量化样本均值估计真实总体均值的精确程度。样本标准差（s）描述样本中单个观测值的离散程度，而SEM描述在同一总体中抽取相同样本量的所有可能样本时，样本均值本身的离散程度。
公式简单而有力：SEM = s / √n，其中s为样本标准差，n为观测数。由于√n位于分母，样本量越大，SEM越小。n加倍会使SEM按√2 ≈ 1.41 的倍数降低；n变为四倍则SEM减半。这一关系解释了为什么规模更大的研究能产生更精确的估计，也解释了为什么研究人员会在收集数据前计算达到目标精度所需的最小样本量。
SEM是置信区间的基础。对于大样本，总体均值的95%置信区间近似为 x̄ ± 1.96 × SEM（使用z分布）；对于小样本，则为 x̄ ± t × SEM（使用自由度为n−1的相应t分布）。在表格和图形中与均值一起报告SEM，可以传达估计的精度——较小的SEM意味着样本均值是总体均值的紧密估计，较大的SEM则意味着估计包含较大的不确定性。
本计算器使用样本标准差（采用贝塞尔校正，除以n−1），而不是总体标准差（除以n），因为实际工作中你几乎总是在处理样本，而不是完整总体。由此得到的SEM是均值抽样分布标准差的无偏估计量。
SEM的实际应用非常广泛。在临床试验中，与各组均值一起报告SEM，可让读者判断组间差异是否大于仅由抽样变异导致的差异。在质量控制中，可用同一产品的重复测量计算SEM，并验证生产过程是否稳定。在调查研究中，SEM用于说明报告均值的误差范围。在心理学和社会科学中，柱状图上的SEM误差线可显示不同条件之间的表面差异是否具有统计意义。凡是报告均值并需要表达其可靠性时，SEM都是合适的配套统计量。
均值标准误示例
四组来自不同领域的样本数据，展示SEM如何与样本量和离散程度相关。
| 数据 | SEM | 背景 |
|---|---|---|
| 85, 92, 78, 88, 90 | SEM ≈ 2.4413 | 课堂考试分数（n=5）。标准差 ≈ 5.46，均值 = 86.6。SEM表示均值估计约有 ±2.4 分的精度。 |
| 5.01, 4.98, 5.03, 4.99, 5.00 | SEM ≈ 0.0086 | 滚珠轴承直径，单位mm（n=5）。极小的SEM反映制造一致性非常高。 |
| 150.50, 155.25, 148.75, 152.00, 158.50 | SEM ≈ 1.7410 | 一周股票收盘价（n=5）。$1.74 的SEM表示周均值存在中等不确定性。 |
| -2, 3, 1, -1, 4, 0 | SEM ≈ 0.9458 | 相对基准的温度偏差（n=6）。可正确处理负值；均值 = 0.833°C。 |
如何使用SEM计算器
- 在输入框中以逗号分隔的数字形式输入样本数据——包含样本中的所有观测值。
- 点击计算。工具会立即计算样本量、均值、样本标准差、样本方差和SEM。
- 读取SEM值——它是样本均值的标准差，等于 s / √n。
- 使用SEM构建置信区间：将其乘以所需置信水平对应的t值或z值。
- 点击示例按钮载入预设数据集，或点击重置清空所有值并重新开始。
均值标准误常见问题
SD和SEM有什么区别？
样本标准差（SD或s）衡量样本内各个数据点的离散程度。均值标准误（SEM）衡量样本均值估计真实总体均值的精确程度——它等于SD除以n的平方根。SD不会因为数据增多而必然缩小；SEM会。报告SD描述数据本身的变异性；报告SEM描述均值估计的精度。
在表格和图形中什么时候报告SEM，什么时候报告SD？
当你想描述样本中单个测量值的变异性或离散程度时报告SD，例如研究中患者年龄的范围。当你想传达均值估计的精度时报告SEM，例如比较治疗组均值的柱状图误差线。许多科学期刊要求作者明确报告的是哪一个，因为二者传达的信息非常不同。
为什么样本量增加时SEM会减小？
因为 SEM = s / √n，n增加会使分母变大，因此SEM缩小。直观地说，更大的样本包含更多关于总体的信息，重复抽取大小为n的样本时，其均值会更紧密地聚集在真实总体均值周围。这就是“数据越多，确定性越高”的定量表达。
可以用SEM检验统计显著性吗？
不能直接这样做，但SEM是显著性检验的关键组成部分。t统计量计算为 (x̄ − μ₀) / SEM，双样本比较则使用两组的SEM来计算差异的标准误。任何比较均值的统计检验都会在内部依赖SEM。不过，p值计算还需要具体的零假设和检验方法选择，这些超出了SEM本身所能提供的范围。
如果SEM很大，我该怎么办？
相对于均值而言很大的SEM通常意味着样本量很小、数据高度变异（SD较大），或两者兼有。可以考虑收集更多数据来降低SEM。如果无法增加n，请在报告SEM时同时给出确切样本量，让读者判断精度，并考虑报告置信区间以明确不确定性。你也可以检查是否有离群值抬高了SD。