Wie finde ich in R den Standardfehler des Mittelwerts?

Gibt es einen Befehl, um den Standardfehler des Mittelwerts in R zu finden?

Es gibt das Plotrix- Paket mit einer eingebauten Funktion dafür: std.error

Der Standardfehler ist nur die Standardabweichung geteilt durch die Quadratwurzel der Stichprobengröße. So können Sie ganz einfach Ihre eigene Funktion erstellen:

> std <- function(x) sd(x)/sqrt(length(x))
> std(c(1,2,3,4))
[1] 0.6454972

Der Standardfehler (SE) ist nur die Standardabweichung der Stichprobenverteilung. Die Varianz der Stichprobenverteilung ist die Varianz der Daten geteilt durch N und die SE ist die Quadratwurzel davon. Aus diesem Verständnis geht hervor, dass es effizienter ist, Varianz in der SE-Berechnung zu verwenden. Die sdFunktion in R führt bereits eine Quadratwurzel aus (Code für sdist in R und wird durch Eingabe von "sd" angezeigt). Daher ist das Folgende am effizientesten.

se <- function(x) sqrt(var(x)/length(x))

Um die Funktion nur ein bisschen komplexer zu gestalten und alle Optionen zu verarbeiten, an die Sie übergeben können, varkönnen Sie diese Änderung vornehmen.

se <- function(x, ...) sqrt(var(x, ...)/length(x))

Mit dieser Syntax kann man beispielsweise den varUmgang mit fehlenden Werten nutzen. varIn diesem seAufruf kann alles verwendet werden, was als benanntes Argument übergeben werden kann .

Eine Version von Johns Antwort oben, die die lästigen NAs entfernt:

stderr <- function(x, na.rm=FALSE) {
  if (na.rm) x <- na.omit(x)
  sqrt(var(x)/length(x))
}

Der Paket-Sciplot hat die eingebaute Funktion se (x)

Da ich ab und zu auf diese Frage zurückkehre und diese Frage alt ist, veröffentliche ich einen Benchmark für die am häufigsten bewerteten Antworten.

Beachten Sie, dass ich für die Antworten von @ Ian und @ John eine andere Version erstellt habe. Anstatt zu verwenden length(x), habe ich verwendet sum(!is.na(x))(um NAs zu vermeiden). Ich habe einen Vektor von 10 ^ 6 mit 1.000 Wiederholungen verwendet.

library(microbenchmark)

set.seed(123)
myVec <- rnorm(10^6)

IanStd <- function(x) sd(x)/sqrt(length(x))

JohnSe <- function(x) sqrt(var(x)/length(x))

IanStdisNA <- function(x) sd(x)/sqrt(sum(!is.na(x)))

JohnSeisNA <- function(x) sqrt(var(x)/sum(!is.na(x)))

AranStderr <- function(x, na.rm=FALSE) {
  if (na.rm) x <- na.omit(x)
  sqrt(var(x)/length(x))
}

mbm <- microbenchmark(
  "plotrix" = {plotrix::std.error(myVec)},
  "IanStd" = {IanStd(myVec)},
  "JohnSe" = {JohnSe(myVec)},
  "IanStdisNA" = {IanStdisNA(myVec)},
  "JohnSeisNA" = {JohnSeisNA(myVec)},
  "AranStderr" = {AranStderr(myVec)}, 
  times = 1000)

mbm

Ergebnisse:

Unit: milliseconds
       expr     min       lq      mean   median       uq      max neval cld
    plotrix 10.3033 10.89360 13.869947 11.36050 15.89165 125.8733  1000   c
     IanStd  4.3132  4.41730  4.618690  4.47425  4.63185   8.4388  1000 a  
     JohnSe  4.3324  4.41875  4.640725  4.48330  4.64935   9.4435  1000 a  
 IanStdisNA  8.4976  8.99980 11.278352  9.34315 12.62075 120.8937  1000  b 
 JohnSeisNA  8.5138  8.96600 11.127796  9.35725 12.63630 118.4796  1000  b 
 AranStderr  4.3324  4.41995  4.634949  4.47440  4.62620  14.3511  1000 a  


library(ggplot2)
autoplot(mbm)

Im Allgemeinen können Sie für Standardfehler bei anderen Parametern das Boot-Paket für Bootstrap-Simulationen verwenden (oder diese selbst schreiben).

Sie können die Funktion stat.desc aus dem Pastec-Paket verwenden.

library(pastec)
stat.desc(x, BASIC =TRUE, NORMAL =TRUE)

Weitere Informationen finden Sie hier: https://www.rdocumentation.org/packages/pastecs/versions/1.3.21/topics/stat.desc

y <- mean(x, na.rm=TRUE)

sd(y)für Standardabweichung var(y)für Varianz.

Beide Ableitungen werden n-1im Nenner verwendet, sodass sie auf Beispieldaten basieren.