样本均值标准误计算器（SEM）

样本均值标准误——更常见的名称是均值标准误（SEM）——是一项基础统计量，用于衡量样本均值对总体真实均值的估计有多精确。样本标准差（s）描述的是样本内各个观测值的离散程度，而 SEM 描述的是在同一总体中、相同样本量的所有可能样本里，样本均值本身的离散程度。 公式简单而有力：SEM = s / √n，其中 s 是样本标准差，n 是观测数量。由于分母中包含 √n，样本量越大，SEM 越小。将 n 翻倍，SEM 会缩小为原来的 1/√2 ≈ 0.71；将 n 增加到四倍，SEM 会减半。正因如此，更大的研究通常能给出更精确的估计，研究者也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 的适当 t 分布）。在表格和图形中将 SEM 与均值一起报告，可以传达估计的精度——SEM 小意味着样本均值对总体均值的估计很精确，SEM 大则意味着估计的不确定性更高。 本计算器使用样本标准差（采用贝塞尔校正，即除以 n−1），而不是总体标准差（除以 n），因为在实际中你几乎总是在处理样本，而不是完整总体。这样得到的 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，将 SEM 与各组均值一起报告，可以帮助读者判断组间差异是否大于仅由抽样波动造成的差异。在质量控制中，对同一产品的重复测量可用于计算 SEM，并验证生产过程是否稳定。在调查研究中，SEM 用于估计报告平均值的误差范围。在心理学和社会科学中，柱状图上的 SEM 误差线可以显示表面上的组间差异是否具有统计意义。只要你需要报告均值并传达其可靠性，SEM 就是最合适的配套统计量。