比率参数的置信区间构造与解释

比率参数的置信区间 (Confidence Interval for a Proportion)

比率参数的置信区间是统计推断中的一个核心工具，用于估计一个总体中具有某种特征的单位所占的真实比率或概率 $p$ 。由于无法普查整个总体，只能通过抽取样本来推断，样本比率 $\hat{p}$ 只是真实比率 $p$ 的一个点估计。置信区间则提供了一个基于样本数据计算的、有一定信心认为真实参数 $p$ 会落入其中的范围。

应用场景广泛：民意调查中估计支持某项政策的真实比例，质量控制中估计次品率，临床试验中估计药物有效率。

核心概念与逻辑

构造置信区间的基础是中心极限定理(CLT)。当样本量 $n$ 足够大时，样本比率 $\hat{p}$ 的抽样分布近似正态分布。点估计为 $\hat{p} = X/n$ ，其中 $X$ 是"成功"次数。抽样分布的均值为 $E[\hat{p}] = p$ ，标准误为 $SE(\hat{p}) = \sqrt{p(1-p)/n}$ 。

由于真实 $p$ 未知，用 $\hat{p}$ 估计标准误：

\text{Estimated SE}(\hat{p}) = \sqrt{\frac{\hat{p}(1-\hat{p})}{n}}

通用构造形式为：

\text{点估计} \pm (\text{临界值} \times \text{标准误})

$\alpha$ 为显著性水平，临界值由置信水平 $(1-\alpha)$ 决定。

主要构造方法

沃尔德置信区间 (Wald Interval)

最基础的方法，直接使用正态近似：

\hat{p} \pm z_{\alpha/2} \sqrt{\frac{\hat{p}(1-\hat{p})}{n}}

$z_{\alpha/2}$ 为标准正态上 $\alpha/2$ 分位数，95\%置信水平取1.96。要求 $n\hat{p} \ge 10$ 且 $n(1-\hat{p}) \ge 10$ 。缺点：小样本或 $p$ 接近0/1时覆盖率偏低，区间可能超出 $[0,1]$ 。

阿格雷斯蒂-库尔区间 (Agresti-Coull Interval)

修正方法： $X' = X+2$ ， $n' = n+4$ ， $\tilde{p} = (X+2)/(n+4)$ 。公式为：

\tilde{p} \pm z_{\alpha/2} \sqrt{\frac{\tilde{p}(1-\tilde{p})}{n'}}

改善了覆盖率，几乎不超出 $[0,1]$ 。

威尔逊得分区间 (Wilson Score Interval)

通过解不等式 $-z_{\alpha/2} \le (\hat{p}-p)/\sqrt{p(1-p)/n} \le z_{\alpha/2}$ 得到精确公式。区间不超出 $[0,1]$ ，非对称性反映分布偏态。公式为：

\frac{\hat{p} + z_{\alpha/2}^2/(2n)}{1 + z_{\alpha/2}^2/n} \pm \frac{z_{\alpha/2}}{1 + z_{\alpha/2}^2/n} \sqrt{\frac{\hat{p}(1-\hat{p})}{n} + \frac{z_{\alpha/2}^2}{4n^2}}

克洛普-皮尔逊区间 (Clopper-Pearson Interval)

基于二项分布累积概率的"精确"方法，保证覆盖率不低于名义水平，但通常最宽。

解释与常见误区

正确解释：95\%置信区间意味着构造方法的长期可靠性——反复抽样构造区间，约95\%包含真实 $p$ 。常见误区：不能说"该区间有95\%概率包含 $p$ "，因为真实参数要么在要么不在；也不能说"95\%数据落在区间内"，区间关于参数而非数据。

影响因素

置信水平：越高区间越宽，是信心与精确度的权衡。
样本量 $n$ ：越大标准误越小，区间越窄。
样本比率 $\hat{p}$ ：接近0.5时区间最宽，接近0或1时变窄。

计算示例

随机抽取 $n=400$ 名市民， $X=220$ 人支持修建新公园。构造95\%置信区间： $\hat{p}=0.55$ ， $z_{0.025}=1.96$ ，标准误 $\sqrt{0.55\times0.45/400}\approx0.02487$ ，沃尔德区间为 $0.55 \pm 1.96\times0.02487$ 即 $[0.501, 0.599]$ 。结论：有95\%信心认为支持者的真实比例在50.1\%至59.9\%之间。

返回百科索引