置信区间

基础概念

置信区间是给估计量划一个"大概率罩得住真值"的范围：95% 置信指重复抽样构造的区间约有 95% 会覆盖真参数，不是"真值有 95% 概率落在这个区间里"。

#什么时候用 z 什么时候用 t

总体标准差 σ 已知（罕见）用 z 区间 x̄±z·σ/√n；σ 未知用样本标准差 s 代替并用 t 分布，t 比 z 宽一点补偿 s 本身的不确定性，样本量大时两者几乎重合。比例的置信区间在大样本用 Wald 近似，np 或 n(1−p) 小于 5 时应改用 Wilson 区间。

95% 的对象是"构造区间的方法"，不是某一个已算出的区间——你的区间要么罩住真值要么没罩住，概率是 0 或 1。置信区间窄不等于估计准，它还受样本量与数据变异影响；想窄一倍，样本量得翻四倍。

理解了概念，用工具直接上手验证

置信区间计算器

均值（σ已知z分布/未知t分布自动选择）与比例的置信区间计算，95%/99% 多档与误差范围

正态分布计算器

均值标准差→概率密度/累积概率/任意区间概率/逆Z分位数，标准分换算与可视化

更新于 2026-11-07

置信区间是给估计量划一个"大概率罩得住真值"的范围：95% 置信指重复抽样构造的区间约有 95% 会覆盖真参数，不是"真值有 95% 概率落在这个区间里"。

本词条属于基础概念分类，与其他基础概念等概念紧密相关。如果你刚开始接触本地大模型部署，建议按「基础概念 → 模型与量化 → 推理与部署」的顺序阅读相关词条，配合 GPU 检测工具边学边验证自己硬件的可行方案。