什么是 99% 置信区间？
99% 置信区间是一段数值范围，我们有 99% 的把握认为它包含了总体的真实均值。它由样本均值、样本标准差和样本量共同计算得出。区间越宽，你越有信心它涵盖了真实的平均值——而 99% 的置信水平所得到的区间，会比更常用的 95% 水平更宽。
如何使用本计算器
只需输入三个数值：样本均值（\(\bar{x}\)）、样本标准差（\(s\)）和样本量（\(n\)）。计算器会自动算出标准误、误差范围，以及 99% 置信区间的下限和上限。它默认采用正态分布（z 分布），当样本量较大时（通常 \(n \geq 30\)）这种假设是合适的。
公式详解
计算公式为：
$$CI = \bar{x} \pm 2.576 \times \dfrac{s}{\sqrt{n}}$$其中 2.576 是 z 值，它在分布的两端各留出 0.5%，从而覆盖中间 99% 的区域。\(\dfrac{s}{\sqrt{n}}\) 这一项称为标准误，样本量越大它就越小——这意味着更大的样本能得到更窄、更精确的区间。
实例演算
假设 \(\bar{x} = 100\)，\(s = 15\)，\(n = 30\)。标准误为
$$SE = \dfrac{15}{\sqrt{30}} = \dfrac{15}{5.4772} \approx 2.7386$$误差范围为 \(2.576 \times 2.7386 \approx 7.0547\)。因此 99% 置信区间为 \(100 \pm 7.05\)，即大约 92.95 到 107.05。
常见置信水平的Z分数
均值的置信区间使用一个临界z分数，该分数取决于所选的置信水平。置信度越高，z分数越大，区间越宽。以下值是来自标准正态分布的双尾临界值，并显示了每条尾部的对应面积。
| 置信水平 | 双尾Z分数 | 每侧的尾部面积 |
|---|---|---|
| 80% | 1.282 | 0.100 |
| 90% | 1.645 | 0.050 |
| 95% | 1.960 | 0.025 |
| 98% | 2.326 | 0.010 |
| 99% | 2.576 | 0.005 |
| 99.9% | 3.291 | 0.0005 |
对于99%的区间，总尾部面积为 \(1 - 0.99 = 0.01\)，分别在两侧各占 \(0.005\)。在上尾部留下0.005的z分数约为2.576，这就是为什么该计算器将标准误差乘以2.576。
解释您的置信区间
99%的置信区间是对长期过程的陈述，而不是对单一结果的陈述。如果您反复抽取随机样本并从每个样本构建99%的区间，大约99%的这些区间将包含真实的总体均值。说在您的一个特定区间内有99%的概率真实均值在其中是不正确的——对于给定的计算区间，真实均值要么在其中，要么不在，99%描述的是该方法在许多样本中的可靠性。
有效的解释取决于几个假设：
- 随机抽样：数据应该是来自感兴趣总体的随机、独立样本。有偏或便利样本可能会产生系统性地偏离真实均值的区间。
- 近似正态性：均值的抽样分布应该大致呈正态分布。对于大样本，即使原始数据是偏斜的，这也由中心极限定理保证；对于小样本，它更多地依赖于底层数据近似正态。
- 已知或大样本标准差：使用z分数2.576假设标准差是已知的，或者样本足够大使得正态近似是充分的。对于具有估计标准差的小样本，基于t的区间更准确。
最后，该区间估计的是总体均值，而不是单个值的离散程度。99%的置信区间为96.14到103.86说的是平均值可能落在的位置——它不意味着99%的个别观测值在该范围内。要描述个别值，您需要使用预测区间或容差区间。
常见问题
为什么用 2.576？它是标准正态分布下，双侧 99% 置信水平所对应的临界 z 值。
什么时候应该改用 t 分布？当样本量较小（\(n < 30\)）且总体标准差未知时，使用 t 值能得到更准确的区间。
区间越宽是不是意味着越不准确？不是的——区间越宽反映的是置信程度越高。99% 区间比 95% 区间更宽，正是因为它需要更有把握地包含真实均值。
