欢迎来到“置信区间”的世界！
在你之前的统计学学习中，你可能已经习惯计算出一个单一数值来估计总体参数——比如学生的平均身高或苹果的平均重量。我们称之为点估计 (point estimate)。但说实话：单一的数字很少会完全准确。
在本章中，我们将从“猜测单一数字”转变为“提供一个可能范围”。这就是我们所说的置信区间 (Confidence Interval, CI)。你可以把它想象成一个“安全网”。与其说“我认为平均值刚好是 50”，不如说“我有 95% 的把握，真实平均值介于 48 到 52 之间”。
看完这些笔记后，你将能精确地为任何情况构建这些“安全网”，无论你面对的是海量的数据集还是极小的样本。
1. 基础：已知方差的正态分布 (SH1)
这是我们的起点。当我们知道总体服从正态分布 (normally distributed)，且最重要的一点是，我们已经知道总体方差 (\(\sigma^2\)) 时，我们就会使用这种方法。
公式
要计算平均值 (\(\mu\)) 的置信区间，我们使用：
\( \bar{x} \pm z \left( \frac{\sigma}{\sqrt{n}} \right) \)
其中：
• \(\bar{x}\) 是样本平均值（区间的中点）。
• \(z\) 是临界值 (critical value)（代表你需要向两侧延伸多少个标准差，以达到所需的置信水平）。
• \(\sigma\) 是总体标准差。
• \(n\) 是样本大小。
• \(\frac{\sigma}{\sqrt{n}}\) 被称为标准误 (Standard Error)。
需要记住的常见 \(z\) 值
你可以在公式手册中找到这些数值，但记住它们会很有帮助：
• 90% 置信水平：\(z = 1.645\)
• 95% 置信水平：\(z = 1.960\)
• 99% 置信水平：\(z = 2.576\)
比喻：把样本平均值 (\(\bar{x}\)) 想成你站立的位置，而 \(z \left( \frac{\sigma}{\sqrt{n}} \right)\) 部分则是你可以向两侧伸展手臂的长度。你想要的置信度越高，你就必须伸得越开！
快速回顾：要让区间更窄（更精确），你可以增加样本大小 (\(n\)) 或者降低置信水平。
2. 面对现实：未知方差的大样本 (SH2)
在现实生活中，我们几乎从来不知道真实的总体方差 (\(\sigma^2\))。如果我们拥有大样本（通常 \(n > 30\)），我们可以使用一个聪明的变通方法。
“大样本”技巧
由于样本很大，中心极限定理 (Central Limit Theorem) 告诉我们，样本平均值的分布将近似于正态分布。既然我们不知道 \(\sigma\)，我们就用样本标准差 (\(s\)) 来代替它。
公式看起来几乎一样：
\( \bar{x} \pm z \left( \frac{s}{\sqrt{n}} \right) \)
如果这让你觉得像在“作弊”，别担心！当 \(n\) 很大时，样本标准差是总体标准差一个非常可靠的“替代品”。
重点总结：大样本 (\(n > 30\)) + 未知方差 = 使用 \(z\) 并以 \(s\) 取代 \(\sigma\)。
3. “谨慎”的方法：小样本与 \(t\) 分布 (SH4)
如果你的样本很小（例如 \(n = 10\)）且你不知道总体方差怎么办？直接使用 \(z\) 会显得过于“自信”——因为它没有考虑小样本带来的额外不确定性。
这就是我们使用学生 \(t\) 分布 (Student’s \(t\)-distribution) 的时候。
什么是 \(t\) 分布？
\(t\) 分布看起来像正态分布，但它的“尾巴较厚”(fatter tails)。这反映了一个事实：在小样本中，极端值更有可能纯粹因为随机性而出现。
如何使用
1. 检查自由度 (\(\nu\))：这简单地等于 \(n - 1\)。
2. 找到\(t\) 值：使用你的置信水平和自由度在统计表中查找。
3. 使用公式：
\( \bar{x} \pm t_{\nu} \left( \frac{s}{\sqrt{n}} \right) \)
记忆口诀：“T for Tiny”(T 代表 Tiny/细小)。如果样本是细小 (Tiny) 的且你不知道方差，就使用 T 分布。
避免常见错误：永远记得使用 \(n - 1\) 作为自由度。如果你有 10 个数据点，请在表中查找 \(\nu = 9\)！
4. 融会贯通：进行统计推断 (SH3)
构建区间只是完成了一半的工作，你还需要解释它的含义。
情境 A：区间是否支持某个说法？
如果制造商声称他们的电池能持续使用 50 小时，而你算出的 95% 置信区间是 \([42, 48]\)，那么数值 50 就在区间之外。这暗示他们的声称可能是错误的！
情境 B：比较两个群组。
如果你有 A 组的身高 CI \([160, 170]\) 和 B 组的 CI \([172, 180]\)，请注意它们没有重叠。这为我们提供了强有力的证据，证明 B 组的平均身高较高。
你知道吗？ 95% 置信区间并不意味着平均值有 95% 的机率落在“这特定的一个”区间内。它的意思是，如果我们进行 100 次不同的抽样并制作出 100 个区间，我们预期其中大约有 95 个会包含真实的总体平均值。
总结检查清单
在开始做题之前，问自己这三个问题：
1. 我知道总体方差 (\(\sigma^2\)) 吗？
• 是：使用 \(z\)。
• 否：进入问题 2。
2. 我的样本大小 (\(n\)) 是否很大？
• 是 (\(n > 30\))：使用 \(z\)，并以 \(s\) 取代 \(\sigma\)。
• 否：使用 \(t\) 分布。
3. 原始总体是否呈正态分布？
• 这是小样本（\(t\) 分布）的要求。如果题目说“总体呈正态分布”，那你就准备好可以开始！
最后小贴士：在将数值代入公式之前，请务必先列出 \(\bar{x}\)、\(n\) 以及你所选取的临界值（\(z\) 或 \(t\)）。这可以防止简单的计算器错误！