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。
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。
每次产生一个置信区间
尚无抽样结果
越窄,估计通常越精确
横线是置信区间,圆点是样本均值。
样本中的每个点,都是一次观测。
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。
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。
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。
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。
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