区间估计
区间估计是统计推断中的一类参数估计方法，它依据样本统计量的抽样分布，给出一个可能包含总体未知参数的取值区间，并附上该区间覆盖参数真值的概率，即置信水平。与只给出单个数值的点估计相比，区间估计同时体现估计的精确程度和可靠程度，是抽样调查、医学试验与质量控制中报告结果的主要形式。
定义
区间估计指用样本构造一个区间来估计总体未知参数的做法。设有样本 $X_1,\dots,X_n$，若统计量 $\theta_L(X_1,\dots,X_n)$ 与 $\theta_U(X_1,\dots,X_n)$ 满足 $P(\theta_L<\theta<\theta_U)=1-\alpha$，则称 $(\theta_L,\theta_U)$ 为参数 $\theta$ 的置信度为 $1-\alpha$ 的置信区间，两个端点分别为置信下限和置信上限，$1-\alpha$ 称为置信水平或置信系数[1]。
若只要求一端，即 $P(\theta<\theta_U)=1-\alpha$ 或 $P(\theta_L<\theta)=1-\alpha$，对应的 $\theta_U$、$\theta_L$ 称为单侧置信限，相应区间称为单侧置信区间[2]。
需要区分区间估计量与区间估计值：前者由样本决定，是随机区间；后者是把样本观测值代入后得到的具体区间[2]。
原理
置信区间的概率陈述针对的是区间而非参数。参数 $\theta$ 被视为一个未知但固定的量，随样本变化的只是区间端点，因此 $1-\alpha$ 描述的是重复抽样下区间覆盖真值的长期比例，而不是某个已算出的固定区间包含真值的概率[2][3]。
最常用的构造手段是枢轴量法。枢轴量是样本与待估参数的函数，其分布不依赖任何未知参数；由 $P(a\le Q(X,\theta)\le b)=1-\alpha$ 出发，若 $Q$ 关于 $\theta$ 单调，解不等式即可把概率式改写成 $\theta$ 落在两端点之间的形式，得到置信区间[4]。
以正态总体均值为例，方差已知时 $\frac{\bar X-\mu}{\sigma/\sqrt n}\sim N(0,1)$，方差未知时改用样本标准差 $S$，统计量服从自由度为 $n-1$ 的 $t$ 分布，区间为 $\bar X\pm t_{n-1,1-\alpha/2}\frac{S}{\sqrt n}$；总体分布未知且样本量较大时，可借中心极限定理作近似[2]。
除枢轴量法外，常见途径还有反转假设检验的接受域、对分布函数作枢轴变换，以及贝叶斯可信区间等[4]。比例参数的区间计算较复杂，样本量不大时可采用基于二项分布精确分位数的 Clopper–Pearson 区间，其覆盖概率通常不低于名义水平，故偏于保守[5]。
发展历程
用小样本推断总体参数的思想在 20 世纪初逐步成形，费希尔在 1920 年代系统讨论了估计量的性质与最大似然估计，为区间构造提供了可计算的基础[6]。
1930 年代，奈曼以概率的频率解释为出发点建立了较严格的区间估计理论，把置信系数作为核心概念，主张覆盖概率应由抽样程序的长期表现来定义，这一框架此后成为频率学派的标准表述[7]。
此后区间方法沿着精确分布与大样本近似两条路线扩展：正态、指数等分布下可用精确枢轴量，一般分布则依赖极限分布；最大似然近似区间、似然比区间以及重抽样方法陆续被引入统计实践[8]。
应用
抽样调查中，总体比例或均值常以点估计加减抽样误差的形式报告。样本量足够大时，总体均值的区间可写作 $\bar x\pm z_{\alpha/2}\frac{\sigma}{\sqrt n}$，总体标准差未知时以样本标准差代替[9]。
医学与流行病学研究中，效应量通常连同置信区间一起给出，例如病例对照研究的比数比、队列研究的相对危险度，区间宽度直接反映估计的不确定性[8]。
可靠性工程领域对寿命分布参数作区间估计，指数分布可用伽马分布分位数构造单侧或双侧置信限；威布尔分布等则借助卡方分布枢轴量与修正自由度处理，并常以蒙特卡罗仿真检验覆盖率[10]。
区间估计与假设检验互为表里：显著性水平为 $\alpha$ 的检验接受域，与置信水平 $1-\alpha$ 的置信区间可以相互转换，同一组数据往往两种报告方式并存[10]。
局限
置信水平的含义容易被误读。区间一旦由观测数据算出便是固定的，参数要么在其内要么不在，$95\%$ 并不表示这个具体区间有 0.95 的概率覆盖真值[3]。
同一置信水平下区间并不唯一。对称取分位点所得的区间通常最短、精度较高，但端点的取法可以有多种，仅凭置信水平不足以确定唯一答案[9]。
精度与可靠性难以兼得。置信水平愈高，区间愈长；若要两者兼顾只能扩大样本量，而样本量受成本与可行性约束[1]。
大样本近似区间依赖极限分布，覆盖概率只是近似的，近似程度既取决于样本量，也取决于总体分布形状；枢轴量的寻找缺乏统一方法，所构造区间的优良性也缺少一般性结论[11]。
离散分布下的精确区间往往偏保守，实际覆盖率高于名义水平；而在方差未知时用样本标准差直接替代，也可能使标称置信度达不到设定值[5]。
参见
参考资料
- 第6章 区间估计 [引用日期2026-10-29]
- chapter407(PDF) [引用日期2026-10-29]
- 數學傳播 - 另外, 對一4面體, 也可估計點數1出現的機率, 有一些不同的估計法, 可以得到不同的估計量 [引用日期2026-10-29]
- Lecture 17: Interval Estimation [引用日期2026-10-29]
- Schätzung der Varianz [引用日期2026-10-29]
- wk-01(PDF) [引用日期2026-10-29]
- 为什么说区间估计是统计学最重要的内容 区间估计的重要性 [引用日期2026-10-29]
- Encyclopedia of Biostatistics [引用日期2026-10-29]
- 雖然總體平均值的置信區間與舊有數學與統計比較是新引入的課題，但其實只是點估計的延續 [引用日期2026-10-29]
- 区间估计 [引用日期2026-10-29]
- 928_text(PDF) [引用日期2026-10-29]