標準エラーバイナリ変数R

Question

Rを使用してバイナリ変数の標準エラーを計算するにはどうすればよいですか？ 私は、参加者のグループにいくつかの条件でタスクを実行させています。出力は0（不正）または1（正しい）です。私は次のように正解と標準誤差（SE）の平均割合を計算しています

mean<-tapply(dataRsp$Accuracy, dataRsp$Condition, FUN=mean) 

SE<- with(dataRsp, tapply(Accuracy, Condition, sd)/sqrt(summary(dataRsp$Condition))) 

しかし、SEは、彼らはほとんど正しいことはできませんことをextremellyタイトです。誰かが私にいくつかのアイデアを与えるかもしれない？私は次は、

sqrt(p.est*(1-p.est)/n) 

解決策になるかもしれないことがわかった...しかし、私は考えR.

Answer 1

にそれを実装する方法がわからない、その変数X用 2つの結果（0/1）しかなく、成功の確率（1）はpに等しいと仮定します。これは、Xが、ベルヌーイ（p）の分布に従うことを意味します。

平均と分散

は、[今すぐ p.est、 によってPを変更NはあなたのサンプルサイズであるPとのp *（1-P）/ N、で与えられます。 p.estは答えの正解の割合です。

だから、失敗の成功のためのbinary 1と0のという変数がある場合：

p.est <- mean(binary) 
variance <- (p.est*(1-p.est))/nrow(binary) 
std.dev <- sqrt(variance) 

EDIT：

また、あなたは見つけることを言っカウンター直感的だった非常に小さなSEさん、 。分散の式を詳しく見てみましょう：p *（1-p）/ n。分子（p *（1-p））の最大値は0.25であり、すなわちp = 0.5である。この値は、n（観測数）で除算するため、減少するだけです。 p = 0.5およびn = 100であると仮定すると、分散はわずか0.0025です。 SEを見つけるために、この例では0.05のSEを与える平方根を取る。より多くの観測値がある場合、つまりn> 100の場合、分散とSEはさらに減少します（直感：より多くのデータ=>より確実性=>より小さい分散/ SE）。

分散/ SEの計算式がこのように説明されている場合は、小さなSEを使用するのはまだ奇妙ですか？