什么是 P-Hat？
P-hat（写作 \(\hat{p}\)）就是样本比例——即样本中具有某种特征或属于"成功"的那部分所占的比例。它是对未知总体比例 \(p\) 的点估计。计算方法很简单：用成功次数（\(x\)）除以样本总量（\(n\)）。无论应用在哪个领域都适用，比如民意调查、质量控制、生物学、医学，或者统计课程的课堂练习。
如何使用本计算器
只需输入两个数值：成功次数 \(x\)（样本中满足条件的项目数量）和样本量 \(n\)（观测到的总数）。计算器会给出小数形式的 \(\hat{p}\)、对应的百分比，以及补数 \(\hat{q} = 1 - \hat{p}\)（即"失败"项所占的比例）。
公式详解
公式非常简单：$$\hat{p} = \frac{\text{Successes }(x)}{\text{Sample Size }(n)}$$ 由于 \(x\) 永远不会超过 \(n\)，因此 \(\hat{p}\) 始终介于 0 和 1 之间。乘以 100 即可换算成百分比。补数 \(\hat{q} = 1 - \hat{p}\) 在置信区间和标准误公式中很有用——\(\hat{p}\) 的标准误为 \(\sqrt{\hat{p} \cdot \hat{q} / n}\)。
实例演示
假设一项针对 \(n = 100\) 人的调查显示，其中 \(x = 40\) 人支持某项提案。那么 $$\hat{p} = \frac{40}{100} = 0.40$$ 即 40%。补数 \(\hat{q} = 1 - 0.40 = 0.60\)，说明有 60% 的人不支持该提案。
常见问题
\(p\) 和 \(\hat{p}\) 有什么区别？ \(p\) 是真实的（通常未知的）总体比例；\(\hat{p}\) 则是根据样本计算出的估计值。
\(\hat{p}\) 会大于 1 吗？ 不会。因为成功次数不可能超过样本量，所以 \(\hat{p}\) 始终在 0 到 1 之间。
\(\hat{q}\) 为什么重要？ \(\hat{q} = 1 - \hat{p}\) 会出现在比例的标准误和置信区间公式中，因此通常会与 \(\hat{p}\) 一起给出。
