如何正确理解95％置信区间

科技论文里经常会出现【95%CI】的评价，这个评价到底有什么意义，他和68-95-99.7法则的关系是什么，可能很多人没有清楚的理解，包括之前写论文评价95%CI的自己。

目的

理解【95%CI置信区间】的含义，以及他和【68-95-99.7%法则】的关系。

什么是置信区间

首先明白置信区间的定义是什么：

在统计学中，一个概率样本的置信区间（英语：Confidence interval，CI），是对产生这个样本的总体的参数分布（Parametric Distribution）中的某一个未知参数值，以区间形式给出的估计。相对于点估计（Point Estimation）用一个样本统计量来估计参数值，置信区间还蕴含了估计的精确度的信息。 ¹

Keyword

置信区间并非评价该组样本的发生概率
置信区间是通过概率样本来推测 未知的总体参数
置信区间给出的是对于总体参数的区间估计，而非点估计

置信区间计算例

这里假设有10个人的体重作为总体参数，选5个人作为一组抽样标本，来评价他们的平均值。10个人的体重分别如下表

路人1	路人2	路人3	路人4	路人5	路人6	路人7	路人8	路人9	路人10
50.4	54.6	55.2	58.4	64.3	65.5	69.1	71.4	74.5	88.3

我们可以知道总体参数的平均值为65.17
从这10个人的总体参数里，取出5个人作为抽样标本并计算其平均值。

路人1~5作为标本1，其平均值为56.58.
路人3~7作为标本2，其平均值为62.5.
路人3,4,7,8,10作为标本3，其平均值为68.48.

总平均	标本1平均	标本2平均	标本3平均
65.17	56.58	62.5	68.48

结果可以知道，任意一组标本跟总体平均都不一致。
我们不能用标本的 点推测 来推测总体数据的平均值。
当然，很多人会说这理所应当的，这也是总所周知的事实。

一组抽样标本，他的平均值并不能代表总体数据的平均值

换个思想，更简单的话就是：
当我们在实验室对10台复合钢做材料实验，能获得这一组强度数据，并进行数据整理的时候，得到的是这一组标本的数据。不能代表这个复合钢全体的数据，如何通过这组标本获得的数据，来推测复合钢的性质，这时我们可能就需要用 区间推测 来评价复合钢的强度。

这个时候我们就可以说，复合钢强度平均值是在这个 区间范围 以内，这个平均值不用点表示，而用区间来表示。

95%置信区间表示了什么

进入正题，论文里经常能看到的95%置信区间（95% Confidence Interval; 95%CI）到底代表了什么意思。

95%置信区间是通过标本数据平均值对总体平均值的区间推测指标

换句话说，95%置信区间是评价总体平均值的一个范围。我们进行100组实验，只有5组实验数据的平均值是落在这个范围之外的。

置信区间怎么求得的

知道了95%置信区间表示了什么意思之后，来看看置信区间是怎么通过计算获得的。要理解95%CI，首先我们得先理解标准误差（Standard Error; SE）。

标准误差SE和标准偏差SD很相似。
注意不要搞混淆，这里有说明他们的区别。

简单的说

标准误差SE=标准偏差SD/(n)标准误差SE=标准偏差SD/\sqrt (n)标准误差SE=标准偏差SD/(n)

这里的n代表实验体个数。

这里可以看出，实验体个数越多，SE就越小

举个简单的例子
假如想知道20岁的平均身高。
这个时候研究组A随机抽取了50个人获得了数据，研究组B随机抽取了1000个人获得了数据。
但是这两组数据测得了完全一样的数据：平均值为165cm，标准偏差为20。
我们如何评价研究组A和B的数据，能认为他们两组数据一模一样吗。

这个时候大家凭感觉也知道抽取1000个人的研究组B的可靠性比较高。

研究组名	样本数	平均值	标准偏差SD	标准误差SE
研究组A	50	165	20	20/(50)20/\sqrt(50)20/(50)=2.83
研究组B	1000	165	20	20/(1000)20/\sqrt(1000)20/(1000)=0.63

从上面的数据我们可以看出 离散程度完全一样的两组数据中，样本数的多少所表达出的对数据的可靠程度也不一样。
这里我们可以得出重要的结论：

标准偏差代表了一组数据的离散程度，而标准误差代表了这个平均值的可靠程度。

通过标准误差来求得置信区间

通过上面的结论，我们知道了标准误差SE可以代表了平均值的可靠程度，意味着我们可以通过标准误差来推测总体数据的平均值。
理解了标准误差SE，95%CI也能很好的理解。
数据服从正太分布的时候，95%CI可以通过如下式子计算获得：

95%CI=1.96*SE

所以95%置信区间为：平均值±1.96SE

为什么是1.96的系数怎么计算，核心思想是跟【68-95-99.7法则】是一样的，是通过对概率密度函数积分所获得。

首先，我们获得了总体数据里的一组样本，我们可以从中计算出其平均值。
假定有多个样本有分别不同的平均值，此时我们就可以得到总体数据对于平均值的分布。
当我们把样本的平均值，当作一组样本里的一个数据时。我们就可以用正太分布的性质来评价样本的平均值。也就是n组样本里大约有68%的平均值落在总体样本里的 平均值±SE 的范围里。95.5%的平均值落在 平均值±2SE 的范围里。

所以95%的置信区间为平均值 μ\muμ ± 1.96SE

总结

标准偏差用来评价一组数据内的离散程度，可以通过【68-95-99.7法则】推测数据的分布范围
标准误差是评价一组样本平均值的可靠性，并通过它可以推测总体数据的平均值的可靠范围。
95%的置信区间意思为，假设做了100组实验，100组实验中有5组实验的平均值是不在置信区间的范围内。
95%置信区间的计算式为: 95%CI=μ\muμ ±1.96*SE

本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。

en.wikipedia.org/wiki/Confidence_interval ↩︎

如何理解95%置信区间相关推荐

95%置信区间的含义_怎样全面理解95%置信区间
前文我们解释了正态分布和抽样分布,今天终于要开始讲解置信区间了.有不少小伙伴在后台留言希望多讲讲假设检验和置信区间的内容,在此对同学们的关注表示感谢,同时,我们也会尽力加快推文速度. 首先,简单回顾一 ...
95%置信区间的含义_如何理解 95% 置信区间？
置信区间,就是一种区间估计. 先来看看什么是点估计,什么是区间估计. 1 点估计与区间估计以前很流行一种刮刮卡: 游戏规则是(假设只有一个大奖):大奖事先就固定好了,一定印在某一张刮刮卡上买了刮刮 ...
95%置信区间计算-理解
机器学习中做多次试验后,需要计算指标的95%置信区间. 假设做了10次试验,计算得出的某指标分别为{x1,-,x10} 其均值为 μ = ( x 1 + . . . + x 10 ) / 10 \mu ...
一文快速搞懂对95%置信区间的理解
一文快速搞懂对95%置信区间的理解综合知乎上各大神的解答和网络资料得到本文对95%置信区间的理解先给出结论最常出现的对置信区间的错误理解: 在95%置信区间内,有95%的概率包括真实参数 (错 ...
95%置信区间学习笔记
1. 基本概念的理解 95%置信区间表示的意义为该区间能代表总体均值的概率为95%,而并非平均值的真值落在该区间的概率为95%(总体或者样本均值的真值是不会随外界条件发生变化的) 2.置信区间的计算公 ...
一文看懂95%置信区间
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达来自 | CSDN博客作者 | bitcarmanlee 编辑 ...
通俗易懂告诉你：何为95%置信区间？
CDA数据分析师出品置信区间的概念是由原籍波兰的美国统计学家耶日·奈曼提出的. 简单理解,比如从北京到张家界旅游5天,你恐怕不能准确说出要花多少钱,但你可以给出一个范围,比如10000-13000 ...
初学者都能看懂的95%置信区间
项目github地址:bitcarmanlee easy-algorithm-interview-and-practice 经常有同学私信或留言询问相关问题,V号bitcarmanlee.github ...
Python使用matplotlib可视化时间序列数据、并为时间序列曲线添加误差带、使用95%置信区间（Time Series Error Bands with confidence interval
Python使用matplotlib可视化时间序列数据.并为时间序列曲线添加误差带.使用95%置信区间(Time Series with Error Bands with confidence int ...

如何理解95%置信区间