已更新9月 2026
Confidence interval
Margin of error: ± (z = )
如何使用置信区间计算器
- 输入样本均值 - 您测量的平均值。
- 输入样本大小和标准差 - 来自数据的 n 和 s。
- 选择置信水平 - 95% 是惯例； 99% 会扩大区间，90% 会缩小区间。
- 报告平均值 ± 边际 - 如果区间太宽而无用，则修复方法是（平方）更大的样本。
置信区间计算器是什么？
置信区间计算器将样本估计值转化为真实范围：根据样本平均值、样本大小和标准差，它计算出区间（平均值±误差范围），以量化样本确定真实总体值的精确程度。调查平均值为 7.2，95% CI 为 ±0.4，表明真实平均值似乎介于 6.8 和 7.6 之间。
误差幅度为 z × (s ÷ √n) — 置信水平的 z 得分（95% 为 1.96）乘以标准误差。分母中的 √n 体现了采样的实际规律：将余量减半需要将样本增加四倍，这就是精度快速变得昂贵的原因。
关于置信区间计算器
输入样本均值、样本量和标准差，选择置信水平（90%、95%、99%），然后立即读取区间和误差幅度。
它的价值来源：调查结果（400 名受访者的 62% 认可度为 62% ± 4.8 — 幅度内的“领先”并非领先）、A/B 测试（区间严重重叠的两种转化率尚未证明任何内容）、质量控制（批次均值的区间是否包含规格？），以及任何单纯的平均值会夸大确定性的报告 - 附加 ± 是数据和轶事之间的差异。
精确解释：95% 置信度意味着程序捕获 95% 样本中的真实值 - 这是关于方法可靠性的陈述，而不是该区间的 95% 概率。宽松但可行的简写：“真实值的合理范围。”
常见问题解答
该方法提供：在重复样本中，以这种方式构建的间隔中 95% 包含真实值。这不是“95% 的机会真理在这个区间”——一个微妙但标准的区别；实际上，将其视为合理范围。
z × (s ÷ √n)：置信度 z 得分（90% 为 1.645、95% 为 1.96、99% 为 2.576）乘以标准误差。 n = 100，s = 15，95%：1.96 × 1.5 = ±2.94。
四倍大 - 利润随着 √n 缩小。从±4到±2表示n×4； ±1 意味着 n × 16。这个平方律就是为什么全国民意调查在 1,000-1,500 名受访者（±3%）左右稳定下来的原因——进一步的精确度成本太高。
严重重叠意味着差异可能是噪音——先不要发布“获胜者”。轻微重叠或没有重叠表明存在真正的差异。 （严格的调用是显着性测试，但重叠是诚实的首次阅读。）
95% 几乎是普遍的默认值。当错误的结论代价高昂（医疗、安全）时使用 99%，并接受更宽的区间；当您需要更窄的范围并且可以容忍更多错过真相的风险时，可以达到 90%。