置信区间计算器 — 平均值或比例
计算样本均值或样本比例的置信区间。输入您的样本统计信息和置信水平，以获得点估计、误差范围和区间边界。
输入
样本中的观察数。
从样本计算的平均值。
样本标准差（不是总体σ）。
输出
| 指标 | 值 |
|---|---|
| No data yet | |
使用此工具的更多方式
REST API
curl -X POST https://api.iotools.cloud/v1/tool/confidence-interval-calculator \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"mode": "mean",
"sampleSize": "25",
"sampleMean": "100",
"sampleStdDev": "15",
"confidenceLevel": "95"
}'替换成您账户中的密钥。工具的字段即为请求体——没有额外包装。
让 AI 代理执行
Use the IOTools `confidence-interval-calculator` tool (Confidence Interval Calculator) on this input:
YOUR_INPUT_HERE将此粘贴给任何已连接 IOTools MCP 服务器的代理,再加上您的输入内容。
嵌入式小组件
<iframe
src="https://iotools.cloud/embed/confidence-interval-calculator/"
width="100%" height="520" frameborder="0" scrolling="no" loading="lazy"
title="置信区间计算器 — 平均值或比例 — iotools.cloud"
sandbox="allow-scripts allow-forms allow-same-origin allow-downloads allow-popups allow-popups-to-escape-sandbox"
allow="clipboard-write"
style="width:100%;border:1px solid #e5e7eb;border-radius:12px;overflow:hidden"></iframe>
<script src="https://iotools.cloud/embed.js" async></script>把它放到您自己的页面上——免费,无需密钥,只需保留一个反向链接。
| 每次 API/MCP 调用费用 | 5 积分起 |
|---|---|
| 需要更多积分? | 查看定价 |
也可通过
使用指南
这个计算器是做什么的?
置信区间(CI)是围绕样本统计量构建的范围,表示使用该样本来估计整个群体时存在多少不确定性。此工具为最常见的两种情况之一计算 CI:
- 样本均值(连续数据 — 重量、响应时间、测试分数):
CI = x̄ ± z × (s / √n),其中x̄是样本均值,s是样本标准差,n是样本量。 - 样本比例(是/否数据 — 转化率、批准率):
CI = p̂ ± z × √(p̂(1−p̂) / n),其中p̂是观察到的成功比例。
在这两种情况下,z是您选择的置信水平的临界值,取自标准正态分布:90%为1.645,95%为1.960,99%为2.576。结果表显示点估计、误差范围(z × 标准误差)和生成的区间。
计算示例: 25项样本的平均值为100,标准差为15。在95%信度下,标准误差为15 / √25 = 3,误差范围为1.960 × 3 = 5.88,区间为[94.12, 105.88]。
使用方法
- 选择您在估计什么 — 平均值或比例。
- 输入您的样本量,加上(平均模式)的样本均值和样本标准差或(比例模式)的成功数。
- 选择置信水平 — 90%、95%(常见的默认值)或99%。
- 在结果表中读取点估计、误差范围和区间,该表在您输入时更新。复制或下载为CSV。
置信区间实际意思是什么(以及常见的误读)
人们容易将"95%置信区间"读作"真实值在这个特定范围内的概率是95%"。这在此处使用的标准(频率论)意义上并不完全正确:真实的群体均值或比例是一个固定的、虽然未知的数字 — 一旦计算出区间,它要么在这个特定区间内,要么不在,没有附加的概率。95%描述的是过程:如果您多次重复抽样过程,每次都建立一个新区间,那么这些区间中大约95%会包含真实值。您计算的任何单个区间只是该过程的一次抽取。这种区别在日常使用中很少重要,但在将CI引用为概率陈述之前值得了解。
这使用哪种分布?
两个公式都使用Z(正态)分布,这是大样本和比例的标准选择。对于很小的样本(粗略经验法则:少于约30个)且总体标准差未知的情况,t分布会产生稍微宽一些、更保守的区间 — 如果您在小的基于平均值的样本上需要该精度级别,专用的t区间计算器或统计软件包会更合适。
为什么更大的样本量会缩小区间?
两个公式都将分布除以√n,因此将样本量增加四倍只会将误差范围减半 — 抽样更多数据会缩小区间,但收益递减。这就是为什么民意调查和实验需要非常大的样本量才能将CI从比如±5%缩小到±1%。
误差范围可能超过区间边界吗?
对于比例,区间被限制在[0%, 100%],因为比例不能是负数或超过100% — 对于小样本和接近0或1的比例,您可能会看到下边界或上边界恰好固定在该限制处。
隐私
所有计算都在您的浏览器中本地运行 — 您的样本数据永远不会发送到服务器。