误差范围计算器

误差范围计算器

新兴 AI Skill PRO

输入计算

数学公式

MOE=z·p(1−p)n×100where{z=Φ−1(1−1−Confidence/1002)p=Proportion (%)100n=Sample Size\begin{gathered} \text{MOE} = z \cdot \sqrt{\frac{p\,(1-p)}{n}} \times 100 \\[1.5em] \text{where}\quad \left\{ \begin{aligned} z &= \Phi^{-1}\!\left(1 - \frac{1 - \text{Confidence}/100}{2}\right) \\ p &= \dfrac{\text{Proportion (\%)}}{100} \\ n &= \text{Sample Size} \end{aligned} \right. \end{gathered}
使用统计

广告

结果

误差范围

± 3.099%

置信水平: 95.0% · 总体的真实比例落在您样本比例的此误差范围内: ±3.099%

置信区间: 46.9% - 53.1%
样本量: 1,000
置信水平: 95%
样本比例: 50%

解读:在所选置信水平下,总体的真实比例落在此范围内 (95.0%): 46.9% – 53.1%

报告本页错误

什么是误差范围计算器?

误差范围计算器可以帮你判断:问卷调查或民意调查得到的结果,与整体(总体)真实值之间可能相差多少。由于我们只调查了总体中的一部分,估计值必然带有一定的不确定性,而误差范围(也叫抽样误差、误差幅度)就是用“±百分比”来量化这种不确定性。只需填写三项简单数据,这个工具就能给出精确的误差范围,以及围绕你所得结果的置信区间。

钟形曲线上标出样本估计值,并用水平误差线表示围绕它的误差范围
误差范围给出了样本估计值周围的一个区间,总体真实值很可能就落在其中。

需要填写的数据

  • 样本量:实际调查的人数或对象数量(例如 1,000 名受访者)。
  • 置信水平(%):你希望有多大把握认为真实值落在所得区间内,常用 90、95 或 99。
  • 样本比例(%):样本中选择某一特定答案的人所占的百分比(例如 60% 的人回答“是”)。

计算公式

本计算器采用比例误差范围的标准公式:

$$\text{MOE} = z \cdot \sqrt{\frac{p\,(1-p)}{n}} \times 100$$

  • \(z\) 是正态分布的临界值,由置信水平确定。工具通过 \(1 - (1 - \text{confidence}/100) / 2\) 的累积概率反函数求得,因此 95% 对应 \(z \approx 1.96\)。
  • \(p\) 是以小数表示的样本比例(60% 即 0.60)。
  • \(n\) 是样本量。

随后计算器会给出置信区间:下限为(样本比例 − 误差范围,最低为 0%),上限为(样本比例 + 误差范围,最高为 100%)。

广告
示意图:误差范围等于 z 值乘以标准误,样本量位于根号之下
样本量位于分母的根号内,样本越大,误差范围越小。

计算示例

假设你调查了 1,000 人,置信水平取 95%,其中 60% 的人回答“是”。

  • \(z = 1.96\),\(p = 0.60\),\(n = 1{,}000\)
  • 标准误 $$= \sqrt{\frac{0.60 \times 0.40}{1000}} = \sqrt{0.00024} \approx 0.01549$$
  • $$\text{MOE} = 1.96 \times 0.01549 \times 100 \approx 3.04\%$$

因此结果为 60% ± 3.04%,置信区间大约是 56.96% 到 63.04%。

常见问题

怎样才能减小误差范围?增加样本量即可。由于 \(n\) 位于根号之下,想让误差范围减半,样本量大约需要增加到原来的 4 倍。

什么样的比例误差范围最大?比例为 50% 时误差范围最宽,因为此时 \(p(1 - p)\) 取得最大值。如果你还不清楚样本比例,取 50% 可以得到偏保守的估计。

为什么置信水平越高,区间越宽?置信水平越高,\(z\) 值越大(95% 对应 1.96,99% 约为 2.58),区间随之变宽,这样才更有把握把真实值“框”进去。

最后更新:

数学和统计热门计算器

查看全部数学和统计计算器