比较两个总体时,真正关心的通常不是各自参数,而是均值差或比例差。本课将先判断样本关系与参数类型,再选择标准误和临界分布,最终构造并解释差值的置信区间。
两总体区间估计统一写成“点估计 临界值 标准误”,但标准误和临界值取决于数据结构。首先判断观测是否独立,再区分估计均值差还是比例差;若估计均值差,还要判断总体方差是否已知以及能否认为方差相等。

区间中差值的顺序必须预先固定。例如估计 ,点估计、标准误和最终解释都要保持“总体 1 减总体 2”,不能在计算中途交换顺序。
若两个总体独立,且总体方差 、 已知,则 的置信区间为
总体方差未知但两个样本都足够大时,常用 、 代替总体方差,得到大样本近似区间。
若两个正态总体方差相等,可先计算合并方差。
再使用自由度 的 分布:
不应强行合并方差,而应使用 Welch 区间:
其中自由度采用 Welch–Satterthwaite 近似:
若同一对象在两个条件下被重复测量,应先定义差值 ,再对差值样本做单总体均值区间:
配对设计利用了个体内关联,不能误用两个独立样本公式。
设两个独立样本中成功次数分别为 、,样本比例为 、。当每组的成功和失败数量都足够大时, 的常用近似区间为
构造置信区间时,两组比例分别估计各自方差,不使用假设检验中“两个比例相等”前提下的合并比例。若成功或失败次数很少,普通正态近似可能越过 或覆盖率不足,应改用 Wilson、Newcombe 或精确方法。
方案 A 有 名用户,其中 人完成转化;方案 B 有 名用户,其中 人完成转化。估计两方案总体转化率之差 的 置信区间。
样本比例为 、,点估计为 。标准误为
取 ,误差界约为 ,因此
区间几乎贴近零,说明方案 A 的转化率可能只略高,也可能高出约 个百分点。虽然本次区间未包含零,但下限非常接近零,仍应结合样本质量、业务成本和实际提升幅度判断是否值得采用。
独立样本和配对样本的区别比样本量大小更优先。只要观测存在一一对应关系,就应先计算差值;忽略配对会丢失关联信息,并可能扩大标准误。
区间包含零,表示数据与“两个总体参数相等”相容;不包含零,表示差异在相应双侧显著性水平下具有统计证据。但统计显著不等于实际重要,仍需检查区间宽度和业务上可接受的最小差异。