置信区间计算器

计算 90%、95% 或 99% 置信区间——即时可视化误差范围

置信区间（CI）基于样本数据，给出总体参数的合理取值范围。 95% CI 的含义是：如果反复进行多次研究，95% 的置信区间将包含真实的总体均值。

误差范围是区间宽度的一半——随样本量增大而缩小，随变异性增大而扩大。 标准的 95% 置信水平在精度与数据收集成本之间取得平衡；99% 区间更宽但置信度更高， 90% 区间更窄但遗漏真值的概率更大。

输入您的样本均值、标准差和 样本量，然后让 AI 计算区间并将其绘制为误差棒。

相关主题

P值计算器Z分数计算器T检验计算器
什么是置信区间？
置信区间是从样本数据计算出的一个取值范围，可能包含真实的总体参数。95% CI 并不意味着该特定区间包含真实均值的概率为 95%——而是指该方法在反复抽样中有 95% 的概率产生包含真实均值的区间。
"95% 置信度"究竟是什么意思？
这意味着该方法有 95% 的时间是正确的。如果您抽取 100 个不同的随机样本并分别计算置信区间，大约 95 个区间将包含真实的总体均值，其余 5 个会遗漏。对于您计算的任何单个区间，真实均值要么在其中，要么不在其中。
为什么有些置信区间比其他的更宽？
三个因素控制区间宽度：(1) 置信水平——置信度越高（99% vs 90%），区间越宽；(2) 标准差——数据变异性越大，区间越宽；(3) 样本量——样本越大，区间越窄。宽度 = 2 × z* × (σ / √n)。
样本量如何影响置信区间？
样本量以平方根的形式出现在误差范围公式中：ME = z* × σ / √n。样本量翻四倍，误差范围减半。样本量翻倍，误差范围仅减少约 30%。增大样本量的初期投入效果显著，但收益递减。
置信区间和 p 值有什么区别？
p 值回答"该效应是否具有统计显著性？"，给出是/否的判断。置信区间回答"效应有多大？我们的估计有多精确？"置信区间通常更具信息量——p 值显著但置信区间很宽，意味着效应存在但估计不精确。
何时应使用 t 区间而非 z 区间？
当总体标准差未知且样本量较小（n < 30）时，使用t 分布。当 σ 已知或 n ≥ 30 时（根据中心极限定理，t 值和 z 值趋于一致），使用z 分布。对于大多数 n ≥ 30 的实际情况，两者均可。