高等数学 / 系统课时

总体比例的置信区间

总体比例的置信区间

当调查结果只有“成功或失败”“支持或不支持”这类二分类结果时,可以用样本比例估计总体比例。本课将完成比例置信区间的计算,并判断正态近似是否适用。

学习目标

  • 理解样本比例及其标准误的来源
  • 掌握总体比例的近似置信区间计算
  • 使用成功数与失败数检查正态近似条件

从样本比例估计总体比例

设总体中关注事件发生的真实比例为 pp。从总体中随机抽取 nn 个个体,其中有 xx 个符合条件,则样本比例为:

p^=xn\hat{p}=\frac{x}{n}

样本比例会随抽样而变化。独立随机抽样下,它的均值为 pp,标准差为 p(1−p)/n\sqrt{p(1-p)/n}。由于真实的 pp 未知,实际计算中用 p^\hat{p} 代替,得到估计标准误:

SE=p^(1−p^)nSE=\sqrt{\frac{\hat{p}(1-\hat{p})}{n}}

Wald 置信区间

当样本量足够大,样本比例的抽样分布可近似看作正态分布。置信水平为 1−α1-\alpha 的双侧 Wald 区间为:

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

95% 置信区间通常使用 z0.025=1.96z_{0.025}=1.96。样本量越大,标准误越小;当比例接近 0.5 时,p^(1−p^)\hat{p}(1-\hat{p}) 较大,区间通常更宽。

完整计算示例

某平台随机调查 400 名用户,其中 248 人表示愿意继续订阅。样本比例为:

p^=248400=0.62\hat{p}=\frac{248}{400}=0.62

先检查正态近似条件:

np^=248,n(1−p^)=152n\hat{p}=248,\qquad n(1-\hat{p})=152

两者都明显大于 10,因此使用正态近似较为合适。标准误为:

SE=0.62×0.38400≈0.02427SE=\sqrt{\frac{0.62\times0.38}{400}}\approx0.02427

95% 置信区间的误差界为:

E=1.96×0.02427≈0.04757E=1.96\times0.02427\approx0.04757

所以区间为:

0.62±0.04757=(0.57243,0.66757)0.62\pm0.04757=(0.57243,0.66757)

可写成 57.24% 到 66.76%。这表示采用同样抽样和构造方法重复进行调查时,约 95% 的区间会覆盖真实总体比例。

正态近似的适用边界

常用经验条件是 np^≥10n\hat{p}\ge10 且 n(1−p^)≥10n(1-\hat{p})\ge10,它们分别对应样本中的“成功”与“失败”数量足够多。若比例非常接近 0 或 1,或者样本较小,Wald 区间可能越过 [0,1][0,1],覆盖率也可能偏离设定值。

此时应优先考虑 Wilson 区间或精确二项区间,而不是机械套用 Wald 公式。无论采用哪种方法,样本都应尽量来自随机抽样;若总体有限且抽样比例较大,还需要考虑有限总体修正。

易混淆点

比例置信区间估计的是总体比例 pp,不是样本比例 p^\hat{p};后者已经由样本确定。区间宽度反映抽样不确定性,不包含问卷设计偏差、无响应偏差或样本框遗漏等系统误差。

此外,95% 置信水平不等于“有 95% 的受访者满足条件”,也不等于“本次样本比例有 95% 的概率正确”。它描述的是区间构造方法在重复抽样中的长期覆盖率。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

总体比例的置信区间

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通