置信区间计算器

误差范围
下一个

置信区间是在样本估计值周围放置一对真实的误差条。该计算器利用样本均值、标准差和样本量,通过正态近似(z)计算连续变量均值的90%、95%、98%或99%置信区间,并输出标准误和误差范围,以便您按照大多数科学期刊的要求进行报告。

如何计算置信区间

  1. 1

    输入样本均值

    样本的平均值。区间围绕这一点估计值构建。

  2. 2

    输入标准差和样本量

    如果只有样本标准差也没有关系:样本量足够大时,正态近似仍然成立。

  3. 3

    选择置信水平

    90%、95%(大多数研究中的默认值)、98%或99%。置信度越高,区间越宽。

  4. 4

    读取区间

    标准误、误差范围、下限与上限,格式已完善,可直接粘贴至报告中。

置信区间的实际含义

95%的置信区间(CI)并不意味着“真实值处于该区间的概率为95%“。严格来说:若多次重复抽样并每次构建置信区间,则其中95%的区间会包含真实参数值。您所得到的区间要么属于包含真实值的95%区间之一,要么属于遗漏真实值的5%区间之一,无法确定具体归属。

在实际应用中,大多数分析人员将其视为该参数的合理取值范围,其精度已足够满足实际应用需求。

公式

均值,正态近似: CI = x̄ ± z × (s / √n)

其中 z 取自标准正态分布(90%为1.645,95%为1.96,98%为2.326,99%为2.576)。当总体标准差已知或样本量较大(n ≥ 30)时,该近似是准确的。

本计算器使用的 z 值

置信度 z 值
90% 1.645
95% 1.960
98% 2.326
99% 2.576

正态近似不适用的情况

  • 当样本量较小(n < 30)且标准差由样本估计时,应改用 t 分布:t 的临界值大于 z,因此区间会变宽。本计算器始终使用 z;对于小样本,请使用基于 t 的计算器。
  • 区间是对称的,因此可能包含真实参数不可能取到的值(例如,对永不为负的量出现负的下限)。这是正态近似的属性,而非错误。

样本量比置信水平更重要

将误差范围减半需要将样本量增至四倍(即分母中的√n)。对400人进行民意调查的95%置信区间为±4.9个百分点;1,600人时为±2.5个百分点;10,000人时为±1.0个百分点。这就是为什么全国性民意调查的样本量大多集中在n=1,000-1,200之间,精度曲线会迅速趋于平缓。

常见问题

当总体标准差已知或样本量较大(n ≥ 30)时,使用正态近似(z)。当样本量较小且标准差由样本估计时,t 分布会给出更宽、更诚实的区间。n = 30 的分界只是粗略经验法则,并非硬性规定。

可以。正态近似是对称的,因此当样本量较小或标准差较大时,即使对永不为负的量,下限也可能低于零。这是提示您检查假设的信号,而不是静默截断区间的理由。

对于标准差已知的均值,使用公式 n = (z × σ / E)²。当 z = 1.96、σ = 1 时,±0.1 的误差范围约需 385 个观测值;±0.05 约需 1,537 个观测值。

不,这仅是一种惯例。医学试验通常采用95%的置信水平;某些安全工程领域则采用99%。本计算器还支持90%和98%。请在查看数据之前确定置信水平,以避免选择性地提取数据。

相关工具