প্যারামিটারের অনুমানগুলি, যেমন একটি নমুনা গড় বা ওএলএস রিগ্রেশন সহগের মতো, নমুনা পরিসংখ্যান যা আমরা সম্পর্কিত জনসংখ্যার পরামিতিগুলি সম্পর্কে সূত্রগুলি আঁকতে ব্যবহার করি। জনসংখ্যার প্যারামিটারগুলি হ'ল আমরা সত্যই যত্নশীল তবে আমাদের পুরো জনসংখ্যার অ্যাক্সেস নেই (সাধারণত অসীম বলে ধরে নেওয়া হয়), পরিবর্তে আমাদের অবশ্যই এই পদ্ধতির ব্যবহার করতে হবে। যাইহোক, কিছু অস্বস্তিকর তথ্য রয়েছে যা এই পদ্ধতির সাথে আসে। উদাহরণস্বরূপ, আমরা যদি অন্য কোনও নমুনা নিয়েছি এবং আবার প্যারামিটারটি অনুমান করার জন্য পরিসংখ্যান গণনা করি, আমরা প্রায় অবশ্যই এটি পৃথক করে দেখতে পাব। তদুপরি, কোনও অনুমানই আমরা জানতে চাইলে সত্য পরামিতি মানটির সাথে বেশ মেলে। প্রকৃতপক্ষে, আমরা যদি চূড়ান্তভাবে এই কাজটি করে থাকি এবং চিরকালের জন্য নমুনা এবং অনুমান করে চলেছি, আমরা দেখতে পাই যে বিভিন্ন প্রাক্কলন মানগুলির আপেক্ষিক ফ্রিকোয়েন্সি সম্ভাব্যতা বন্টনকে অনুসরণ করে। কেন্দ্রীয় সীমাবদ্ধ তত্ত্বটি পরামর্শ দেয় যে এই বিতরণটি স্বাভাবিক হওয়ার সম্ভাবনা রয়েছে। আমাদের সেই বিতরণে কতটা অনিশ্চয়তা রয়েছে তা পরিমাপ করার একটি উপায় প্রয়োজন। এটি আপনার জন্য স্ট্যান্ডার্ড ত্রুটিটি করে।
আপনার উদাহরণে, আপনি জনসংখ্যার মধ্যে x1 এবং y এর মধ্যে লিনিয়ার সম্পর্কের opeাল জানতে চান, তবে আপনার কেবলমাত্র আপনার নমুনাতে অ্যাক্সেস রয়েছে। আপনার নমুনায়, সেই opeালটি .51, তবে এর সাথে কতটা পরিবর্তনশীলতা রয়েছে তা জেনেও নমুনা বিতরণের of সংখ্যাটি কী তৈরি করা যায় তা জানা মুশকিল। এই ক্ষেত্রে স্ট্যান্ডার্ড ত্রুটি, .05 হল সেই নমুনা বিতরণের মানক বিচ্যুতি। তাত্পর্য গণনা করতে, আপনি এসই দ্বারা অনুমানটি ভাগ করে এবং টেবিলের উপর ভাগফলটি সন্ধান করেন। সুতরাং, বৃহত্তর এসইগুলি নিম্ন তাত্পর্য বোঝায় ।
আপনার opালু স্যাম্পলিং বিতরণের সাথে অবশিষ্টাংশের মানক বিচ্যুতির কোনও সম্পর্ক নেই। এটি আপনার মডেলটিতে শর্তযুক্ত আপনার নমুনার মানক বিচ্যুতি। কোনও দ্বন্দ্ব নেই, হতেও পারে না। আপনার কীভাবে একটি উচ্চ আর only 2 এবং কেবল 40 ডেটা পয়েন্ট সহ একটি বৃহত্তর এসডি রয়েছে, আমি অনুমান করব যে আপনার সীমার সীমাবদ্ধতার বিপরীত রয়েছে - আপনার এক্স মানগুলি খুব ব্যাপকভাবে ছড়িয়ে পড়ে।