Стандартное отклонение здесь применимо, как и везде: оно дает полезную информацию о разбросе данных. В частности, sd, деленное на квадратный корень из размера выборки, является одной стандартной ошибкой: она оценивает дисперсию распределения выборки среднего. Давайте посчитаем:
3.2%/10000−−−−−√=0.032%=0.00032.
Это крошечный - намного меньше, чем точность вы ищете.±0.50%
Хотя данные не распределены нормально, среднее значение выборки очень близко к нормальному распределению, потому что размер выборки очень большой. Вот, например, гистограмма выборки с теми же характеристиками, что и у вас, а справа - гистограмма средних тысяч дополнительных выборок из той же популяции.
Это выглядит очень близко к нормальному, не так ли?
Таким образом, хотя кажется, что вы правильно загружаете, самозагрузка не нужна: симметричный доверительный интервал для среднего значения получается, как обычно, умножением стандартной ошибки на соответствующий процентиль стандартного нормального распределения (до остроумие, ) и перемещая это расстояние в любую сторону от среднего значения. В вашем случае , поэтому доверительный интервал100−α%Z1−α/200Z1−α/200=2.575899%
(0.977−2.5758(0.032)/10000−−−−−√, 0.977+2.5758(0.032)/10000−−−−−√)=(97.62%,97.78%).
Достаточный размер выборки можно найти, перевернув это соотношение, чтобы определить размер выборки. Здесь это говорит нам, что вам нужен размер выборки около
(3.2%/(0.5%/Z1−α/200))2≈272.
Это достаточно мало, чтобы мы могли еще раз проверить вывод о том, что выборочное распределение среднего значения является нормальным. Я взял выборку из из своего населения и загрузил ее среднее значение (для итераций):2729999
Конечно же, это выглядит нормально. Фактически, загруженный доверительный интервал практически идентичен доверительному интервалу Нормальной теории .(97.16%,98.21%)(97.19%,98.24%)
Как показывают эти примеры, фактический размер выборки определяет точность оценок , а не доли численности населения. (Экстремальный, но интуитивно понятный пример - то, что одна капля морской воды может дать точную оценку концентрации соли в океане, даже если эта капля является такой крошечной долей всей морской воды.) Для указанных целей получение образца из (что требует более чем в раз больше работы, чем выборка из ), является излишним.1000036272
R
Код для выполнения этих анализов и построения графиков приведен ниже. Это выборка из популяции, имеющей бета-распределение со средним значением и SD .0.9770.032
set.seed(17)
#
# Study a sample of 10,000.
#
Sample <- rbeta(10^4, 20.4626, 0.4817)
hist(Sample)
hist(replicate(10^3, mean(rbeta(10^4, 20.4626, 0.4817))),xlab="%",main="1000 Sample Means")
#
# Analyze a sample designed to achieve a CI of width 1%.
#
(n.sample <- ceiling((0.032 / (0.005 / qnorm(1-0.005)))^2))
Sample <- rbeta(n.sample, 20.4626, 0.4817)
cat(round(mean(Sample), 3), round(sd(Sample), 3)) # Sample statistics
se.mean <- sd(Sample) / sqrt(length(Sample)) # Standard error of the mean
cat("CL: ", round(mean(Sample) + qnorm(0.005)*c(1,-1)*se.mean, 5)) # Normal CI
#
# Compare the bootstrapped CI of this sample.
#
Bootstrapped.means <- replicate(9999, mean(sample(Sample, length(Sample), replace=TRUE)))
hist(Bootstrapped.means)
cat("Bootstrap CL:", round(quantile(Bootstrapped.means, c(0.005, 1-0.005)), 5))