不同分布下的标准误：均值标准误公式普适性与方差标准误适用条件问询

嘿，咱们来拆解你这两个核心问题，都是统计里基础但容易踩坑的点：

一、均值标准误公式 $\boldsymbol{\bar{\sigma}_x = \frac{\sigma}{\sqrt{n}}}$ 真的适用于所有分布吗？ #

答案是：只要样本是独立同分布（i.i.d.）的，这个公式就完全成立，和总体分布是什么无关。

推导逻辑其实很简单，只用到方差的基本性质——独立随机变量和的方差等于方差之和：
$$Var(\bar{X}) = Var\left(\frac{X_1+X_2+...+X_n}{n}\right) = \frac{1}{n^2}\sum_{i=1}n Var(X_i) = \frac{n\sigma^2}{n2} = \frac{\sigma^2}{n}$$
而标准误就是抽样分布的标准差，所以开平方后就是$\frac{\sigma}{\sqrt{n}}$。

不过要区分两种情况：

• 如果是总体标准差$\sigma$已知，这是精确表达式，不管分布如何都对；
• 如果是用**样本标准差$s$代替$\sigma$**得到$s/\sqrt{n}$，这是样本均值标准误的估计值。小样本下只有总体正态时，这个估计对应的统计量服从t分布；但大样本时，中心极限定理会让样本均值的抽样分布趋近正态，这时候$s/\sqrt{n}$依然是靠谱的估计。

二、方差标准误公式 $\boldsymbol{SE_{\bar{σ}^2} = σ^2 \sqrt{\frac{2}{n-1}}}$ 的适用条件 #

这个公式是样本方差$s^2 = \frac{1}{n-1}\sum_{i=1}^n (X_i - \bar{X})^2$标准误的精确表达式，但它有个关键前提：

• 样本必须是独立同分布的；
• 总体服从正态分布。

为什么非得正态？因为这个公式的推导依赖于正态分布的专属性质：当$X_i \sim N(\mu, \sigma^{2)$时，$\frac{(n-1)s}2}{\sigma^2}$服从自由度为$n-1$的卡方分布。而卡方分布的方差是$2\times$自由度，也就是$2(n-1)$，顺着这个性质推导就能得到上面的公式：
$$Var\left(\frac{(n-1)s^2}{\sigma2}\right) = 2(n-1)$$
展开整理后就得到$Var(s^2) = \frac{2\sigma^4}{n-1}$，开平方就是标准误。

如果总体不是正态分布，这个公式就失效了——因为此时$\frac{(n-1)s^2}{\sigma2}$不再服从卡方分布，方差的计算会牵扯到总体的四阶中心矩$\mu_4$，通用公式是：
$$Var(s^2) = \frac{1}{n}\left(\mu_4 - \frac{n-3}{n-1}\sigma^4\right)$$
这时候标准误是这个值的平方根，和正态分布下的公式差异很大。

当然，大样本时，$\sqrt{\frac{2}{n-1}}$近似于$\sqrt{\frac{2}{n}}$，这个公式可能有粗略的近似效果，但严格来说，只有正态分布下才是精确成立的。

内容的提问来源于stack exchange，提问作者Femkemilene