01
置信区间到底在说什么
很多人第一次看到"95%置信区间为[48, 52]"这句话时，会误以为总体均值有95%的概率落在这个区间里。更准确的理解是：如果用同样的抽样方法反复做100次调查，其中大约95次得到的区间会覆盖真实的总体均值，而另外约5次则不会。换句话说，置信区间反映的是"抽样方法本身的可靠程度"，而不是某一次结果的概率。区间的两端由样本均值向两侧展开而来，展开的幅度取决于数据的离散程度和样本量的大小。样本量越大、数据越集中，区间就越窄，估计也就越精确。
置信区间计算器
根据样本数据计算总体均值可能所在的区间范围，帮助你在统计推断和决策时判断结果的可靠程度。
置信区间
—
下限
—
上限
—
标准误
—
误差范围
—
CI = x̄ ± (Z × SE)
SE = s / √n
了解更多
02
置信水平怎么选：90%、95%还是99%
置信水平决定了区间"抓住"真实总体均值的把握有多大。日常研究里95%是默认选择，因为它在可靠性和区间宽度之间取得了不错的平衡。如果研究结果涉及医疗决策或安全评估，往往会提高到99%，宁可让区间变宽一些也要更保险；相反，一些探索性的市场调研可能只用90%置信水平，换取更窄、更容易采取行动的区间。需要记住的规律是：置信水平越高，对应的Z值越大，区间就越宽——提高确定性是要付出精度代价的，二者不能同时最大化。
03
标准误和误差范围是怎么算出来的
标准误(SE)衡量的是"如果重复抽样很多次，样本均值本身会有多大波动"，计算公式是 SE = s / √n，其中 s 是样本标准差，n 是样本大小。注意分母是样本量的平方根，这意味着想把标准误减半，样本量需要扩大到原来的4倍——这也是为什么小样本调查的置信区间往往宽得惊人。误差范围则是标准误乘以对应置信水平的Z值(95%时约为1.96)，它决定了区间从样本均值向两侧延伸的距离。最终的置信区间就写成"样本均值 ± 误差范围"这样一个对称的区间。
04
一步步算出置信区间
完整公式是 CI = x̄ ± Z × (s/√n)。举例来说，某次调查测得样本均值 x̄ = 50，样本标准差 s = 8，样本大小 n = 64，取95%置信水平(Z ≈ 1.96)：标准误 = 8/√64 = 1，误差范围 = 1.96 × 1 = 1.96，于是置信区间为 50 ± 1.96，也就是[48.04, 51.96]。需要特别留意的是，当样本量小于30且难以确认总体服从正态分布时，应改用t分布代替标准正态分布的Z值，因为小样本情况下t分布的尾部更"厚"，能更保守地反映不确定性。
05
置信区间在真实场景中怎么用
民意调查发布"支持率42%，误差范围±3个百分点"时，背后其实就是一个置信区间。药物临床试验用置信区间判断新药的疗效差异是否具有统计学意义——如果区间跨越0，往往意味着效果不能确定为真实存在。制造业的质量控制部门用置信区间估计一批产品某项指标的真实平均水平，从而决定是否需要调整生产线。市场调研中，产品平均使用寿命、消费者平均支付意愿等指标，也都是通过置信区间给出一个有把握的范围，而不是一个孤立、容易产生误导的单一数字。
06
常见的理解误区要避开
最常见的误解是把置信水平当成"这个区间包含真实均值的概率"，但严格来说总体均值是一个固定不变的数值，它要么在区间里，要么不在，并不存在"有百分之多少概率在区间内"的说法。95%的含义针对的是"这套抽样和计算方法"的长期表现，而不是某一次具体计算出的区间。另一个常见错误是把置信区间和预测区间混淆：置信区间描述的是总体参数（比如均值）的估计范围，而预测区间描述的是下一个新观测值可能落在的范围，两者的宽度和用途都不相同，不能互相替代。
常见问题
把置信水平从95%改为99%，区间会怎样变化？
Z值会从1.96增大到2.576，误差范围随之变大，置信区间也会变宽。相应地，该区间包含真实总体均值的概率会更高。
增加样本量会让置信区间变窄吗？
会。根据SE = s/√n，n越大标准误越小，因此在其他条件不变的情况下，样本量越大置信区间越窄，估计也越精确。
样本量小于30时还能直接用这个计算器吗？
如果样本较小且已知总体不服从正态分布，理论上应使用t分布而非本工具采用的Z分布才更准确。小样本情况下请将结果视为近似参考。
误差范围(Margin of Error)和置信区间是什么关系？
误差范围是标准误乘以Z值所得，置信区间的上下限就是样本均值加减这个误差范围。也就是说，置信区间 = 样本均值 ± 误差范围。
"95%置信区间"到底是什么意思？
并不是说某一个具体区间有95%的概率包含总体均值，而是说如果用相同方法重复抽样调查，所得到的区间中约有95%会包含真实的总体均值。