用实验,建立统计直觉

95% 的信心,
究竟意味着什么?

让总体保持不变,让样本一次次改变。
亲手看见抽样的不确定性。

01 先预测02 重复抽样03 观察与解释04 检验理解
累计抽样0 次

每次产生一个置信区间

实际覆盖率—

尚无抽样结果

平均区间宽度—

越窄,估计通常越精确

每条线,都是一次估计

横线是置信区间,圆点是样本均值。

95% 置信区间
覆盖 μ未覆盖 μ真实均值 50

放大看:最近一次抽样

样本中的每个点,都是一次观测。

等待抽样
样本均值 x̄—
标准误 SE—
区间端点—
这次实验告诉我们

固定的是均值,
变化的是区间。

每次抽到不同的数据,就得到不同的区间。观察有多少条区间穿过 μ = 50。

95% 描述的是方法长期的覆盖率,不是数据落入区间的比例。

模型条件:独立同分布的正态样本;总体标准差用于展示,区间实际使用样本标准差估计。

从观察到理解

把三个容易混淆的概念分开

让数字有意义
μ

真实均值是固定的

模拟中我们知道 μ = 50。真实研究里它通常未知,我们通过样本去估计它。

x̄

样本均值会波动

每次重新抽样,数据不同、均值也不同。样本量增大,均值的抽样波动通常减小。

95%

置信水平属于方法

在适用条件成立时,长期重复抽样形成的区间约有 95% 覆盖真实均值。某个已算出的区间则覆盖或不覆盖它。

展开计算方法与适用条件
x̄ ± t1−α/2, n−1 × s / √n

x̄ 为样本均值,s 为使用 n−1 分母计算的样本标准差,SE = s / √n 为估计标准误,α = 1 − 置信水平。

对独立同分布的正态样本,这个 t 区间有指定的理论覆盖率。对右偏总体,它是近似方法;小样本时实际覆盖率可能明显不足。更大的样本常能改善近似,但不会消除抽样随机性。提高置信水平会扩大同一样本的区间。

两种虚构总体具有相同的均值 50 和标准差 10:正态总体 N(50, 10²);右偏总体 40 + 指数分布(均值 10)。本页仅估计总体均值,不表示个体观测的预测区间。

参考:NIST 均值的置信区间
检验你的直觉

五个问题,看看是否真的理解

已答 0 / 5