电视收视率(收视份额)误差范围计算器

电视收视率(收视份额)误差范围计算器

新兴 AI Skill PRO

输入计算

数学公式

E=z·p(1−p)样本量×100%其中{p=收视率/份额(%)100z=z临界值,对应 置信度\begin{gathered} E = z \cdot \sqrt{\frac{p\,(1-p)}{\text{样本量}}} \times 100\% \\[1.5em] \text{其中}\quad \left\{ \begin{aligned} p &= \dfrac{\text{收视率/份额(\%)}}{100} \\ z &= z\text{临界值,对应 } \text{置信度} \end{aligned} \right. \end{gathered}
使用统计

广告

结果

真实收视率估计区间
16.8%  ~  23.2%
在所选置信度下,真实收视率落在此区间内
误差范围(±) 3.2%
临界值(z) 1.96
计算方法 Wald 正态近似二项比例置信区间

报告本页错误

这个计算器能做什么

电视收视率(收视份额)并不是逐户统计出来的,而是通过一批被监测的样本家庭推算得出的。因此,对外公布的数字其实是一个带有误差的统计估计值。本计算器根据你观测到的样本收视率,告诉你在所选置信度下,全体观众真实收视率最可能落在哪个区间内。虽然示例使用的是电视收视率,但这套算法是通用的:凡是从样本中估算的比例都适用,比如民意调查的支持率、质量检测的次品率等。

使用方法

填入样本量(受调查的家庭或单位数量)、你观测到的样本收视率(以百分比表示),以及希望采用的置信度(90%、95% 或 99%)。结果会显示真实收视率的估计上下限,以及误差范围(即区间宽度的一半)。

公式详解

先把观测到的收视率换算成比例 \(p = \text{收视率} / 100\)。该比例的标准误为

$$SE = \sqrt{\frac{p\,(1-p)}{n}}$$

临界值 \(z\) 取自标准正态分布反函数的双侧值(90% 约为 1.6449,95% 约为 1.9600,99% 约为 2.5758)。误差范围为 \(E = z \times SE\),置信区间即 \((p - E,\ p + E)\),再乘以 100 还原为百分比。上下限会被限制在有效的 0%–100% 范围内。

广告
钟形曲线,中心为点估计值 p,对称的 −E 与 +E 标出置信区间,z 表示临界值距离
点估计值 p 位于中心,误差范围 E 向两侧对称延伸,构成置信区间。

实例演算

设样本量 \(n = 600\) 户,观测收视率为 20%,置信度 95%:则 \(p = 0.20\),

$$SE = \sqrt{\frac{0.20 \times 0.80}{600}} = 0.01633$$

\(z = 1.9600\),因此 \(E = 0.03201 = 3.20\%\)。由此可知真实收视率大约落在 16.80% 至 23.20% 之间,误差范围为 \(\pm 3.20\%\)。

水平数轴,标有样本收视份额点,置信区间括号按误差范围向左右延伸
计算示例:样本份额及其误差范围以数轴上的上下限表示。

常见问题

为什么样本越大,区间越窄?标准误会随着 \(n\) 增大而缩小,所以受调查的家庭越多,对真实收视率的估计就越精确。

为什么置信度越低,区间反而越窄?较低的置信度对应较小的 \(z\) 值,相当于用确定性换取精度。90% 置信度给出的区间比 99% 更窄,但可靠程度也更低。

当收视率为 0% 或 100% 时会怎样?此时 Wald 公式给出的区间宽度为零,因为标准误变成了 0——这是该方法的一个已知局限。对于这类极端比例,采用 Wilson 得分区间会更可靠。

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