比例信賴區間計算機

歡迎使用比例置信區間計算機，這是一個綜合性的統計工具，用於計算當您擁有具有兩種結果（成功/失敗、是/否等）的類別數據時的置信區間。本計算機提供傳統的 Wald 法（常態近似）和更準確的 Wilson score 法，並附有詳細的逐步解決方案和視覺化表示。

功能概覽

比例信賴區間計算機根據成功次數與樣本大小，求出比例的信賴區間。它提供 Wald 與 Wilson 分數法，可單獨使用或並列比較。

比例信賴區間計算機：功能一覽

功能	提供內容	適用情境
輸入	輸入成功次數（x）、樣本大小（n）與信賴水準。適用於是／否與成功／失敗的資料。	調查結果、缺陷數與轉換資料
Wald 方法	常態近似，p̂ ± z*√(p̂(1−p̂)/n)。在小樣本或極端比例下，邊界可能超出 0 至 1 的範圍。	課堂作業與大樣本
Wilson 分數法	覆蓋率較佳，且會保持在 0 與 1 之間的區間。頁面建議用於小樣本，以及接近 0 或 1 的比例。	小樣本與極端比例
並列比較	選擇 Wald、Wilson 或兩者，即可同時看到兩個區間。	看出方法如何改變結果
信賴水準	多種水準，包括 80%（z = 1.282）、90%（1.645）、95%（1.960）與 99%（2.576）。	依研究選擇適合的水準
圖形與步驟	區間示意圖、誤差範圍讀數、解讀說明，以及逐步解答。	向他人解釋結果

什麼是比例置信區間？

比例置信區間 (CI) 根據樣本數據為真實母體比例提供了一個合理數值範圍。當您在 n 次試驗中觀察到 x 次成功時，樣本比例 p̂ = x/n 就是您的點估計值。然而，由於樣本變異性，真實的母體比例 p 可能與 p̂ 不同。置信區間量化了這種不確定性。

例如，如果您調查了 500 名選民，其中 275 人偏好候選人 A（p̂ = 0.55 或 55%），則 95% 置信區間可能是 (0.506, 0.594)。這意味著您可以有 95% 的信心認為，偏好候選人 A 的所有選民的真實比例在 50.6% 到 59.4% 之間。

計算方法

Wald 法（常態近似）

Wald 法是大多數統計學課程中教授的傳統方法。它使用二項分佈的常態近似：

其中：

• p̂ = 樣本比例 (x/n)
• z* = 標準常態分佈的臨界值
• n = 樣本量

優點： 計算和理解簡單。局限性： 對於小樣本或當 p 接近 0 或 1 時可能產生較差的結果；可能會產生超出 [0,1] 範圍的邊界。

Wilson Score 法

Wilson score 區間提供了更好的覆蓋機率，特別是對於小樣本或極端比例：

優點： 對於所有樣本量都有更好的覆蓋機率；絕不會產生超出 [0,1] 範圍的邊界；推薦用於小樣本和極端比例。局限性： 公式稍微複雜一些。

何時使用每種方法

了解置信水平

置信水平（通常為 90%、95% 或 99%）代表在重複抽樣中，該方法產生的區間包含真實參數的頻率：

如何使用本計算機

1. 輸入成功次數 (x)： 具有您正在測量特徵的結果計數
2. 輸入樣本量 (n)： 觀察總數
3. 選擇置信水平： 根據您所需的確定性進行選擇（最常用 95%）
4. 選擇方法： 選擇 Wald、Wilson 或「兩者」進行比較
5. 查看結果： 檢查區間、視覺化、解釋和逐步解決方案

實際應用

調查研究

在進行民意調查或調查時，置信區間有助於傳達結果的精確度。一項顯示支援率為 52%，誤差範圍為 ±3% 的民調意味著 95% 置信區間約為 (49%, 55%)。

醫學研究

臨床試驗使用置信區間來報告治療成功率。如果一種新藥顯示出 85% 的療效，且 95% 置信區間為 (78%, 92%)，這提供了真實療效可能在此範圍內的證據。

質量控制

製造過程使用置信區間來監測缺陷率。如果 200 個項目中有 5 個缺陷（2.5%），則 Wilson 95% 置信區間為 (1.1%, 5.7%)，這指示了真實的缺陷率。

A/B 測試

數位行銷使用置信區間來比較轉換率。不重疊的置信區間提供了不同版本之間存在真實差異的證據。

常見問題解答

什麼是比例置信區間？

比例置信區間是根據樣本數據為真實母體比例提供的一個合理數值範圍。例如，如果您調查了 100 人，其中 60 人偏好產品 A，則 95% 置信區間可能是 (0.50, 0.70)，這意味著我們有 95% 的信心認為真實的母體偏好在 50% 到 70% 之間。

Wald 法與 Wilson 法有什麼區別？

Wald 法使用常態近似公式 p̂ ± z*√(p̂(1-p̂)/n)，簡單但在小樣本或極端比例下效果較差。Wilson score 法針對這些問題進行了調整，並提供了更好的覆蓋機率。對於大多數實際應用，通常建議使用 Wilson 法。

什麼時候應該使用 Wilson 法而不是 Wald 法？

在以下情況使用 Wilson score 區間：樣本量小 (n < 30)、比例接近 0 或 1、需要準確的覆蓋機率，或用於任何關鍵決策。對於具有中等比例的大樣本，Wald 是可以接受的，但 Wilson 絕不遜色，且通常更好。

我應該使用哪種置信水平？

95% 是最常見的選擇，適用於大多數應用。對於需要更多確定性的關鍵決策，請使用 99%，或者當您可以接受更多不確定性以換取更窄的區間時，請使用 90%。

如何解釋誤差範圍？

誤差範圍 (MOE) 代表在您選擇的置信水平下，樣本比例與真實母體比例之間預期的最大差異。如果您的樣本顯示為 60%，誤差範圍為 ±5%，則真實值可能在 55% 到 65% 之間。

為了獲得窄置信區間，我需要多大的樣本量？

樣本量會顯著影響區間寬度。對於誤差範圍為 ±5% 的 95% 置信區間，您大約需要 385 個樣本。對於 ±3% 的誤差範圍，約需 1,068 個樣本。對於 ±1% 的誤差範圍，則需要近 9,604 個樣本。

其他資源

• 二項比例置信區間 - Wikipedia
• 置信區間 - Wikipedia