均值的置信区间
如果样本均值为 50，样本标准差为 10，样本量为 100，置信水平为 95%，则区间会围绕 50 展开，并带有适中的误差幅度。
50 ± 1.96 × (10 / √100)
结果：约为 [48.04, 51.96]
置信区间计算器
根据样本数据计算总体均值和比例的置信区间。这个工具可以同时给出上下界、误差幅度以及结果解释，方便统计分析和结果汇报。
选择计算类型
什么是置信区间？
置信区间是可能包含未知总体参数的一个值域范围。置信区间以置信水平（如95%）构建，这表示区间包含真实参数值的概率。
置信区间的一般形式是：
\[\text{点估计值} \pm \text{误差幅度}\]
其中误差幅度基于所需的置信水平、样本量和数据的变异性计算。
均值的置信区间
已知总体标准差的均值置信区间： \[\bar{x} \pm z_{\alpha/2} \frac{\sigma}{\sqrt{n}}\] 未知总体标准差的均值置信区间（使用样本标准差）： \[\bar{x} \pm z_{\alpha/2} \frac{s}{\sqrt{n}}\] 其中 \(\bar{x}\) 是样本均值，\(z_{\alpha/2}\) 是所需置信水平的临界值，\(\sigma\) 是总体标准差，\(s\) 是样本标准差，\(n\) 是样本量。比例的置信区间
总体比例的置信区间： \[p \pm z_{\alpha/2} \sqrt{\frac{p(1-p)}{n}}\] 其中 \(p\) 是样本比例，\(z_{\alpha/2}\) 是所需置信水平的临界值，\(n\) 是样本量。如何使用置信区间
置信区间在统计分析中用于各种目的：
1. **估计总体参数**：置信区间基于样本数据提供未知总体参数的合理值范围。
2. **假设检验**：如果假设值落在置信区间之外，则可以在相应的显著性水平上拒绝它。
3. **样本量确定**：置信区间的宽度与样本量相关。较大的样本会产生较窄的区间，提供更精确的估计。
4. **比较组间差异**：重叠或不重叠的置信区间可以表明组间差异是否具有统计显著性。
置信区间示例
比例的置信区间
如果 400 名受访者中有 60% 选择某个选项，那么 95% 置信区间可以估计总体比例的合理范围。
0.60 ± 1.96 × √(0.60 × 0.40 / 400)
结果：约为 [55.20%, 64.80%]
样本量增大时区间变窄
在样本均值和波动程度不变的情况下，样本量越大，误差幅度通常越小。
误差幅度 ∝ 1 / √n
结果：样本越大，区间通常越精确
提高置信水平
把置信水平从 90% 提高到 99% 会增大临界值，从而使区间变宽。
更高的 z 分数 → 更大的误差幅度
结果：置信度越高，区间通常越宽
常见置信水平和Z分数
不同的置信水平对应于计算误差幅度时使用的不同临界值（Z分数）：
| 置信水平 | Z分数（临界值） | 说明 |
|---|---|---|
| 50% | 0.674 | 低置信度，窄区间 |
| 70% | 1.036 | 低于标准置信水平 |
| 80% | 1.282 | 中等置信水平 |
| 90% | 1.645 | 常用置信水平 |
| 95% | 1.960 | 多数领域的标准置信水平 |
| 98% | 2.326 | 高置信水平 |
| 99% | 2.576 | 非常高的置信水平 |
置信区间的应用
置信区间在各个领域广泛应用：
- 医学研究: 估计治疗和药物的效果
- 政治民调: 报告选举和民意调查的误差幅度
- 质量控制: 建立制造过程的容差限制
- 经济学: 预测经济指标和财务指标
- 心理学: 估计实验研究中的效应大小
- 环境科学: 估计污染水平和气候参数
重要考虑因素和限制
- 95%的置信区间并不意味着参数在该区间内的概率为95%。相反，它表示如果重复多次抽样过程，约95%的结果区间会包含真实参数。
- 置信区间假设抽样方法是随机的且能代表总体。
- 对于小样本量，在未知总体标准差的情况下计算均值置信区间时，应使用t分布而非z分布。
- 比例置信区间的正态近似仅在样本量足够大时适用（np ≥ 5且n(1-p) ≥ 5）。
置信区间常见问题
置信区间告诉我们什么？
置信区间会基于样本数据给出未知总体参数的一个合理范围，例如总体均值或总体比例。
什么是误差幅度？
误差幅度是点估计值上下浮动的范围，用来构成最终区间。它取决于置信水平、样本量和数据波动程度。
为什么样本量越大区间越窄？
因为更大的样本量会降低标准误，从而减小误差幅度，让置信区间更加精确。
95% 置信区间是否表示真实值有 95% 的概率落在其中？
不是。它表示如果重复进行相同的抽样过程，得到的区间中大约有 95% 会包含真实总体参数。