Math 概率和相对频率

如果我使用相对频率来估计一个事件的概率，那么根据实验的数量，我的估计有多好？标准差是一个很好的衡量标准吗？纸质/链接/在线书籍将是完美的选择

---

也许卡方检验就是你想要的。例如，请参见上的wikipedia页面。标准差不是你想要的，因为这是关于分布的形状，而不是你估计的实际分布的准确程度。另外，请注意，这些东西中的大多数都是关于“正态”分布的，并且不是所有的分布都是正态的。

可能卡方检验就是你想要的。例如，请参见上的wikipedia页面。标准差不是你想要的，因为这是关于分布的形状，而不是你估计的实际分布的准确程度。另外，请注意，这些东西中的大多数都是关于“正态”分布的，并非所有的分布都是正态的。

我相信您正在寻找样本比例的置信区间。以下是一些可能有用的资源：

---

基本上，您的估计值与样本数的平方根成反比。因此，如果你想将误差减半，你需要四倍的样本。

我相信你在寻找样本比例的置信区间。以下是一些可能有用的资源：

---

基本上，您的估计值与样本数的平方根成反比。因此，如果你想把你的错误减半，你需要四倍多的样本。

你在一系列n个是/否实验中计算成功的次数，对吗？只要单个实验是独立的，你就处于二项分布（）的范围内。成功频率f=s/n是成功概率p和的估计值。你的频率估计f的方差为p*（1-p）/n，用于n次绘制

只要p不太接近于0或1，只要观测值n的数量不“太小”，标准偏差将是估计值f质量的合理衡量标准

如果n足够大（经验法则n*p>10），可以通过正态分布n（f，f*（1-f）/n进行近似，标准偏差估计是一个很好的度量。有关更广泛的讨论，请参阅

---

这意味着，如果这需要一定的学术严谨性（例如，是一个家庭作业），那么标准偏差的近似值将不会产生任何影响。

你在一系列n个是/否的实验中计算成功的次数，对吗？只要单个实验是独立的，你就处于二项分布（）的范围内。成功频率f=s/n是成功概率p和的估计值。你的频率估计f的方差为p*（1-p）/n，用于n次绘制

只要p不太接近于0或1，只要观测值n的数量不“太小”，标准偏差将是估计值f质量的合理衡量标准

如果n足够大（经验法则n*p>10），可以通过正态分布n（f，f*（1-f）/n进行近似，标准偏差估计是一个很好的度量。有关更广泛的讨论，请参阅

---

这意味着，如果这需要一定的学术严谨性（例如，是一个家庭作业），则标准偏差近似值不会产生任何影响。

它可能与编程相关。它可能与编程相关。