এন বৃদ্ধি পেলে যে পরিবর্তনশীলতা সঙ্কুচিত হয় তা হ'ল নমুনাটির পরিবর্তনের, প্রায়শই স্ট্যান্ডার্ড ত্রুটি হিসাবে প্রকাশ করা হয়। অথবা, অন্য পদগুলিতে, নমুনা গড়ের সত্যতার সুনির্দিষ্টতা বৃদ্ধি পাচ্ছে।
কল্পনা করুন আপনি এমন একটি পরীক্ষা চালিয়েছেন যেখানে আপনি ৩ জন পুরুষ এবং ৩ জন মহিলা সংগ্রহ করেন এবং তাদের উচ্চতা পরিমাপ করেন। আপনি কতটা নিশ্চিত যে প্রতিটি গ্রুপের গড় উচ্চতাগুলি পুরুষ এবং মহিলাদের পৃথক জনগোষ্ঠীর আসল গড়? আমার মনে করা উচিত যে আপনি মোটেও নিশ্চিত নন। আপনি সহজেই 3 টি নতুন নমুনা সংগ্রহ করতে পারেন এবং প্রথমগুলির থেকে কয়েক ইঞ্চি নতুন উপায় খুঁজে পেতে পারেন। এই জাতীয় পুনরাবৃত্তির বেশ কয়েকটি পরীক্ষার ফলস্বরূপ এমনকি মহিলারা পুরুষদের চেয়ে লম্বা বলে ঘোষণা করতে পারে কারণ এর অর্থগুলি এত বেশি হয়। নিম্ন এন এর সাথে আপনার নমুনা থেকে গড়ের বিষয়ে খুব বেশি নিশ্চিততা নেই এবং এটি নমুনাগুলির মধ্যে অনেকগুলি পরিবর্তিত হয়।
এখন প্রতিটি গ্রুপে 10,000 টি পর্যবেক্ষণ কল্পনা করুন। এটি 10,000 এর নতুন নমুনাগুলি খুঁজে পাওয়া বেশ কঠিন হতে চলেছে যার অর্থ একে অপরের থেকে অনেক বেশি পৃথক। এগুলি অনেক কম পরিবর্তনশীল হবে এবং আপনি তাদের নির্ভুলতার বিষয়ে আরও বেশি নিশ্চিত হন।
আপনি যদি এই চিন্তাভাবনার লাইনটি মেনে নিতে পারেন তবে আমরা এটি স্ট্যান্ডার্ড ত্রুটি হিসাবে আপনার পরিসংখ্যানের গণনায় sertোকাতে পারি। যেমন আপনি এটির সমীকরণটি দেখতে পাচ্ছেন, এটি একটি প্যারামিটারের একটি অনুমান, (এটি n বৃদ্ধি হিসাবে আরও নির্ভুল হওয়া উচিত) সর্বদা n, সাথে বৃদ্ধি পাওয়া একটি মান দ্বারা বিভক্ত । এই স্ট্যান্ডার্ড ত্রুটিটি আপনার গণনাগুলির মাধ্যম বা প্রভাবগুলির পরিবর্তনশীলতা উপস্থাপন করছে। এটি যত ছোট, আপনার পরিসংখ্যান পরীক্ষা আরও শক্তিশালী।√σএন--√
প্রাথমিক পরীক্ষার অনেকগুলি প্রতিরূপের মাধ্যমের কোনও মানক ত্রুটি এবং স্ট্যান্ডার্ড বিচ্যুতির মধ্যকার সম্পর্ককে প্রদর্শনের জন্য এখানে আর এ সামান্য সিমুলেশন। এই ক্ষেত্রে আমরা জনসংখ্যার গড় 100 এবং 15 এর মানক বিচ্যুতি দিয়ে শুরু করব।
mu <- 100
s <- 50
n <- 5
nsim <- 10000 # number of simulations
# theoretical standard error
s / sqrt(n)
# simulation of experiment and the standard deviations of their means
y <- replicate( nsim, mean( rnorm(n, mu, s) ) )
sd(y)
চূড়ান্ত মান বিচ্যুতি তাত্ত্বিক মান ত্রুটির কাছাকাছি কীভাবে তা নোট করুন। এখানে এন ভেরিয়েবলের সাথে খেলে আপনি দেখতে পাচ্ছেন যে পরিবর্তনগুলি পরিমাপ n বৃদ্ধি পাওয়ায় ছোট হবে।
[অন্যদিকে, গ্রাফগুলিতে কুর্তোসিসটি আসলেই পরিবর্তিত হচ্ছে না (ধরে নিলে তারা সাধারণ বন্টন। বৈকল্পিকতা হ্রাস করা কুর্তোসিস পরিবর্তন করে না তবে বিতরণটি আরও সংকীর্ণ দেখাবে। কুর্তোসিস পরিবর্তনগুলি দৃষ্টিভঙ্গিভাবে পরীক্ষা করার একমাত্র উপায় হ'ল বিতরণগুলি একই স্কেলের উপর রাখে]]