Vi kan se på dette på følgende måde:
Antag, at vi laver et eksperiment, hvor vi har brug for at kaste en upartisk mønt $ n $ gange. Det samlede resultat af eksperimentet er $ Y $, som er summen af individuelle kast (f.eks. Hoved som 1 og hale som 0). Så for dette eksperiment, $ Y = \ sum_ {i = 1} ^ n X_i $, hvor $ X_i $ er resultatet af individuelle kast.
Her er resultatet af hver kast, $ X_i $, følger en Bernoulli-fordeling, og det samlede resultat $ Y $ følger en binomialfordeling.
Det komplette eksperiment kan betragtes som en enkelt prøve. Således, hvis vi gentager eksperimentet, kan vi få en anden værdi på $ Y $, som vil danne en anden prøve. Alle mulige værdier på $ Y $ udgør den samlede population.
Når vi vender tilbage til den enkelte møntkast, der følger en Bernoulli-fordeling, gives variansen med $ pq $, hvor $ p $ er sandsynligheden af hoved (succes) og $ q = 1 - p $.
Hvis vi ser på variationen på $ Y $, er $ V (Y) = V (\ sum X_i) = \ sum V (X_i) $. Men for alle individuelle Bernoulli-eksperimenter er $ V (X_i) = pq $. Da der er $ n $ kast eller Bernoulli forsøg i eksperimentet, $ V (Y) = \ sum V (X_i) = npq $. Dette indebærer, at $ Y $ har varians $ npq $.
Nu er prøveandelen givet af $ \ hat p = \ frac Y n $, hvilket giver 'andelen af succes eller hoveder'. Her er $ n $ en konstant, da vi planlægger at tage det samme antal møntkast til alle eksperimenterne i befolkningen.
Så, $ V (\ frac Y n) = (\ frac {1} {n ^ 2}) V (Y) = (\ frac {1} {n ^ 2}) (npq) = pq / n $.
Så standardfejl for $ \ hat p $ ( en eksempelstatistik) er $ \ sqrt {pq / n} $