Erro padrão de uma proporção

Esta calculadora do erro padrão de uma proporção indica com que precisão uma proporção amostral estima uma proporção populacional desconhecida. Você informa uma proporção amostral p-hat entre zero e um e um tamanho amostral n de pelo menos uma observação; o motor devolve a variância amostral binomial p-hat vezes um menos p-hat sobre n, o erro padrão como a raiz quadrada positiva dessa variância, e o complemento q igual a um menos p-hat para que você confira a aritmética com livros e planilhas. Verificações clássicas incluem quarenta por cento de sucesso em cem ensaios, que produzem um erro padrão próximo de quatro vírgula nove por cento após o produto de zero vírgula quatro e zero vírgula seis ser dividido por cem e ter a raiz extraída. O caminho é aritmética de ponto flutuante determinística pura: sem chamadas de rede, sem reamostragem bootstrap e sem atalhos dependentes da data.

O que o erro padrão de uma proporção mede e o que a resposta contém

O erro padrão de uma proporção amostral responde a uma pergunta diferente do percentual amostral bruto sozinho. Um quarenta por cento de votos sim é uma estimativa pontual; o erro padrão descreve quanto se esperaria que esse percentual oscilasse se você extraísse muitas amostras independentes do mesmo tamanho do mesmo processo de Bernoulli.

Sob ensaios independentes e idênticos com probabilidade de sucesso p, a variância amostral da proporção é p vezes um menos p dividido por n, de modo que um erro padrão estimado substitui o p-hat observado por p e toma a raiz quadrada positiva. Casos rejeitados incluem proporção ou tamanho amostral ausentes, números não finitos como Infinity ou NaN, proporção estritamente abaixo de zero ou acima de um, e tamanho amostral abaixo de um.

A regra de tamanho abaixo de um é intencional: um tamanho não positivo não é uma contagem válida de ensaios de Bernoulli para a fórmula clássica. Se você precisa do erro padrão de uma média numérica em vez de uma participação, use a ferramenta dedicada do erro padrão da média; se precisa de intervalos de confiança ou testes de hipóteses para proporções, combine este SE com o valor crítico ou o fluxo de p-value escolhido separadamente.

Esta página responde apenas ao SE clássico de uma única proporção amostral com saída em ponto flutuante exata e cacheável, adequada para planilhas, testes unitários e pipelines que devem coincidir no mesmo SE a cada execução.

Onde o SE de uma proporção se encaixa no estudo, pesquisas, produto e relatórios

Estudantes encontram o erro padrão de uma proporção quando um livro constrói intervalos de confiança para uma participação, quando um laboratório pede incerteza sobre uma taxa de conversão, ou quando precisam de uma verificação limpa frente a uma calculadora que só mostra p-hat e deixa a raiz de p vezes um menos p sobre n para o leitor.

Professores podem pré-gerar chaves de resposta para tamanhos amostrais modestos sem confiar em apps opacos que arredondam produtos intermediários de forma diferente ou escondem se usaram a fórmula plug-in de p-hat versus um p zero hipotético sob a nula.

Desenvolvedores chamam o mesmo contrato a partir de scripts para semear vetores de teste determinísticos, validar pipelines analíticos que traçam uma taxa de conversão mais ou menos SE, ou satisfazer portões de qualidade de dados que marcam proporções cujo SE colapsa quando n é grande mas p-hat não está perto dos extremos.

Analistas usam este SE ao relatar participações de pesquisas, taxas de conversão de testes A/B, taxas de defeito ou frações de sim de pesquisas para que os leitores vejam a precisão da participação estimada e não apenas o percentual bruto.

Equipes de produto e operações observam o SE de churn, de cliques e de taxas de erro conforme os tamanhos amostrais mudam, porque uma proporção que parece estável ainda pode ter SE grande quando n é pequeno ou quando p-hat fica perto de um meio onde a variância binomial atinge o pico. Combine com ferramentas SEM de médias quando o desfecho for contínuo e não binário, e com ferramentas de escore z ou de probabilidade quando padronizar ou complementar probabilidades em vez de resumir a precisão de uma participação amostral.