最后更新: 2026-07-05 16:10 查看: 256 次纠错评论(0) 课件开VIP

区间估计概述

### 引言
在上一节中我们讨论了参数的点估计，只要给定样本的观测值，就能得到参数$\theta$的估计值．但是，估计值只是$\theta$的一个近似值，它与$\theta$真值的误差是多少并不知道，而在实际问题中，这种误差的大小往往是人们比较关心的．例如，在产品交易过程中，需要通过抽样对次品率进行估计，若估计误差达到1%，就可能对交易的某一方带来重大损失．因此，在实际应用中，不仅需要知道参数$\theta$的估计值，还需要找到参数的估计范围来体现估计的精度．为此，我们要根据样本构造一个包含$\theta$真值的范围或区间，并且使其包含$\theta$真值的概率达到指定的要求．这种区间称为**置信区间**，通过构造一个置信区间对未知参数进行估计的方法称为**区间估计**．
区间估计是参数估计的另一种方式，它弥补了点估计在某些方面的缺陷．例如，在估计某行业人员的平均月收入时，可以说“平均月收入5000元”，这就是点估计；也可以说“平均月收入在4800元至5200元之间”，这就是区间估计．显然后者的信息量更大，更有参考价值．

## 区间估计的概念
**定义** 设 $\theta$ 为总体的未知参数，若对于给定的 $\alpha(0<\alpha<1)$ ，存在统计量 $\hat{\theta}_1=\hat{\theta}_1\left(X_1, X_2, \cdots, X_n\right)$ 和 $\hat{\theta}_2=\hat{\theta}_2\left(X_1, X_2, \cdots, X_n\right)$ ，使

$$
P\left\{\hat{\theta}_1 \leqslant \theta \leqslant \hat{\theta}_2\right\}=1-\alpha, ...(7.6)
$$

则称随机区间 $\left[\hat{\theta}_1, \hat{\theta}_2\right]$ 为参数 $\theta$ 的置信度（或置信水平）为 $1-\alpha$ 的置信区间，$\hat{\theta}_1$ 和 $\hat{\theta}_2$ 分别称为**置信下限**和**置信上限**。

由定义可知，置信区间是以统计量为端点的随机区间，对于给定的样本观测值 $\left(x_1, x_2, \cdots, x_n\right)$ ，由统计量的值 $\hat{\theta}_1\left(x_1, x_2, \cdots, x_n\right), \hat{\theta}_2\left(x_1, x_2, \cdots, x_n\right)$ 构成的置信区间 $\left[\hat{\theta}_1, \hat{\theta}_2\right]$ 可能包含真值 $\theta$ ，也可能不包含真值 $\theta$ ，但在多次观测或试验中，每一个样本皆可得到一个置信区间 $\left[\hat{\theta}_1, \hat{\theta}_2\right]$ ，在这些区间中，包含真值 $\theta$ 的区间大约占 $100(1-\alpha) \%$ ，不包含 $\theta$ 的大约占 $100 \alpha \%$ 。例如，取 $\alpha=0.05$ ，相当于在 100 次区间估计中，大约有 95 个区间包含真值 $\theta$ ，而不包含 $\theta$ 的约占 5 个。

区间估计既给出了参数估计的可靠程度（置信度），又给出了估计的精确程度（置信区间长度），很显然，可靠程度与精确程度是相互矛盾的，当样本容量固定时，要提高置信度，就要降低精度（区间加长）．因此，在实际应用中，需要通过样本容量的增加来把握二者的平衡．

> 对于初学者来说，看完上面的定义估计仍然不知所云，具体请参考下一节 [置信区间](https://kb.kmath.cn/kbase/detail.aspx?id=576) 的通俗解释

## 初步理解：区间估计

我们用生活里的例子，把**区间估计**掰开揉碎讲明白——它其实就是解决一个问题：“我猜一个数，但不敢说死，得给个‘靠谱的范围’，再告诉你这范围有多可信。”

### **先想个日常场景：猜体重**  
假设你朋友让你猜他的体重（没有称，你只能根据经验估计）。

- **点估计**：你直接说“我觉得他大概120斤！”——这是用一个具体数字（点）去“代表”真实体重，但万一他实际118斤或122斤呢？你只说“120”没毛病，但没说“我有多大把握他真在这附近”。  
- **区间估计**：你改口说“根据我的观察，他的体重大概在115到125斤之间，而且我有95%的把握这个范围是对的！”——这就是区间估计：先给个范围（115-125），再加个“可信度”（95%）。

### **关键：为什么需要“区间”？因为“不准”是正常的**  
**你朋友的真实体重是固定的**（比如其实119斤），但你靠“观察”猜的时候，**不同的“经验”信息（相当于不同样本）会让你猜出不同范围**。比如：  
- 第一次观察，感觉他“微胖，平时穿M码”，你可能猜116-124斤；  
- 第二次观察，知道他“最近减肥，瘦了点”，你可能猜114-122斤；  
- ……

如果重复很多次这样的“猜范围”，你会发现：**大约95%的情况下，你的猜的范围能包含真实体重（119斤），剩下5%的情况可能漏掉**。这就是“95%置信水平”的意思——不是“这个范围有95%概率包含真实值”（真实值固定，范围是算出来的，要么包含要么不包含），而是“我用这种方法猜，100个朋友里大概95个朋友能猜对”。

### **再举个更实际的例子：奶茶店调查**  
你想知道“全城喜欢喝奶茶的人里，80%以上爱加珍珠吗？”（总体比例p）。但你不可能问所有人，只能随机问100个顾客，发现75个爱加珍珠（样本比例$\hat{p}=75\%$）。

- **点估计**：你说“我觉得全城大概75%的人爱加珍珠”——但这只是样本结果，可能全城实际是73%或77%（抽样误差）。  
- **区间估计**：你用统计方法算出一个范围，比如“72%-78%，而且我有90%的把握这个范围是对的”——意思是：如果重复做100次这样的调查（每次问100人），大概90次算出的范围会包含真实的“全城爱加珍珠的比例”，10次可能不准。

### **一句话总结区间估计**  
**“我不敢保证猜的数绝对准，但我给你个范围，还告诉你这范围有多大的概率能罩住真实答案——比只说一个数靠谱多了！”**

它的核心价值就俩：  
1. **不保证“绝对正确”**：承认“估计会有误差”，用范围代替单个数；  
2. **明明白白说风险**：告诉你这范围有多可信（比如95%），方便别人判断能不能信你。

就像天气预报说“明天降水概率60%”——不是“60%的时间下雨”，而是“100次类似天气里，大概60次会下雨”。区间估计的逻辑和这差不多，只不过把“下雨概率”换成了“范围包含真实值的概率”，把“是否下雨”换成了“参数（比如体重、比例）的真实值”。

## 实际应用

再新闻里,比如下面的新闻，**样本规模成功完访1074人，合并样本在信赖水准95%时的抽样误差最大值为±3.0%**，就是一个区间调查。

``` 
此次民意调查的时间2026年4月22至24日，调查范围台湾22个县市，调查对象为设籍在调查范围、年满20岁的民众。调查方法采住宅电话与行动电话双架构抽样。其中样本规模成功完访1074人，合并样本在信赖水准95%时的抽样误差最大值为±3.0%。
```

科数题库(单机版) 会议室预约系统(book)

今日还可看 0 篇未注册用户每天查看4篇，注册用户每天8篇，开通VIP会员无限制查看。

免费注册

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

上一篇：相合性

下一篇：置信区间★★★★★

本文对您是否有用？有用 (0) 无用 (0)