免费工具 置信区间的计算公式与置信区间计算器
样本算出来的转化率或平均值只是估计，置信区间告诉你它可能偏差多少。算比例填成功数和样本量；算平均值填均值、标准差和样本量。
- 比例：Wilson 区间
- 均值：t 分布区间
- 本地计算
先选要算什么
比例是占比：转化的访客、回答「是」的人。均值是某个量的平均：客单价、停留分钟数。
转化率、占比选「比例」；平均值选「均值」。
转化数、回答「是」的人数等。不能大于样本量。
样本里的访客、受访者或订单数，支持「1.2万」写法。算均值至少要 2。
测得的平均值，用它本来的单位。
样本标准差，和均值同一单位（不是标准误）。
常用 95%。99% 区间更宽，90% 更窄。
样本比例
21.00%
成功数 ÷ 样本量。
样本均值
—
t 区间的中心。
分享这组输入：数值写在链接的 # 后面，不会发到服务器。
https://tapcub.com/zh/tools/confidence-interval-calculator
版本 v1.0更新于 更新记录
这个区间在说什么
样本比例或均值是一个单点估计；置信区间是更诚实的说法：区间里的每个值都和你的数据大体相符。
样本比例或均值
样本里看到的数。600 个访客里 126 人留资，比例 21.00%。单看它，看不出背后有多少人。
上限和下限
真实值的合理范围，示例里是 17.93% 到 24.44%。如果目标值或竞品的数落在这个范围内，你的数据还分不出两者的高低。
误差范围
区间宽度的一半，这里是 ±3.25 个百分点，也就是调查报告里常说的「误差 ±3 个百分点」。它随样本量的平方根缩小：样本变成 4 倍，误差减半。
置信水平
在大量重复抽样中，这种方法有多大比例能覆盖真实值。99% 的区间比 95% 宽，95% 又比 90% 宽：同一组数据分别是 17.05%–25.59%、17.93%–24.44%、18.40%–23.86%。
置信区间只考虑抽样误差。数据里混进机器人、埋点漏报、转化口径不对，会让整个区间一起偏，它反映不出来。
做三个选择，再读区间
同一个计算器既能算比例也能算均值。先选模式，输入框会跟着变。
-
1
选模式
每个人只有「是 / 否」的选「比例」：是否转化、是否点击、是否满意。测量出来的量选「均值」：每单金额、会话时长。
-
2
填样本
比例填成功数和样本量；均值填均值、标准差和样本量，三个数要来自同一批数据。
-
3
选置信水平
没有特别理由就用 95%。汇报时带上水平，例如「21.0%（95% 置信区间 17.9%–24.4%）」。
比例用 Wilson，均值用 t 分布
教科书上常见的「比例 ± 1.96 × 标准误」（Wald 区间）在样本小、比例接近 0 或 100% 时会出问题：下限跑到 0 以下、上限超过 100%，或者宽度直接变成 0。Wilson 区间计算量差不多却没有这些毛病，所以计算器算比例时用它；算均值时用 t 分布。
- z 值：90% 时 1.645，95% 时 1.960，99% 时 2.576
- Wilson 区间的中心略向 50% 偏，所以不以样本比例为对称中心
- 样本大、比例不靠近两端时，Wilson 和 Wald 结果几乎一样
- t 区间用 n − 1 的自由度和样本标准差
Wilson 区间（比例）
（p̂ + z²/2n ± z × √( p̂(1 − p̂)/n + z²/4n² )）÷（1 + z²/n），p̂ = 成功数 ÷ n
600 人中 126 人，95%：p̂ = 21.00% → 17.93% 至 24.44%
Wald 区间（对照）
p̂ ± z × √( p̂(1 − p̂) ÷ n )
同样数据：17.74% 至 24.26%；50 人中 1 人：−1.88% 至 5.88%
t 区间（均值）
x̄ ± t(n − 1) × s ÷ √n
客单价 ¥186，s = ¥95，n = 60：¥186 ± 2.001 × ¥95 ÷ √60 = ¥186 ± ¥24.54 → ¥161.46 至 ¥210.54
Wilson 区间和简单的 Wald 区间对比
一个小红书投放落地页 600 个访客、126 人留资，再加几个小样本的情况，两种方法都按 95% 算。数据多时两者一致；样本小或比例靠近两端时，Wald 会给出不可能的范围。
| 样本 | 样本比例 | Wilson（本工具） | Wald | Wald 的问题 |
|---|---|---|---|---|
| 600 人中 126 人 | 21.00% | 17.93% – 24.44% | 17.74% – 24.26% | 基本没问题 |
| 40 人中 12 人 | 30.00% | 18.07% – 45.43% | 15.80% – 44.20% | 忽略了小样本的偏斜 |
| 50 人中 1 人 | 2.00% | 0.35% – 10.50% | −1.88% – 5.88% | 下限小于 0 |
| 50 人中 0 人 | 0.00% | 0.00% – 7.13% | 0.00% – 0.00% | 宽度为 0，等于宣称毫无误差 |
| 50 人中 48 人 | 96.00% | 86.54% – 98.90% | 90.57% – 101.43% | 上限超过 100% |
本站的转化率计算器显示的是简单的 Wald 区间，所以同一组数据两边的区间会略有差别。示例数据。
置信区间常被怎么用错
公式是标准的，问题出在填进去的数和读法上。
「真实值有 95% 概率在区间里」
95% 说的是这种方法在多次抽样中的表现。具体某一个区间，要么包含真实值，要么不包含。
拿浏览量当样本量
一个人刷新五次不是五个观测。转化率按人算就数人，按会话算就数会话。
把标准误填进标准差
计算器自己会除以 √n。填成标准误，区间会窄得离谱。
用区间重叠判断显著
两个区间稍有重叠，差异仍可能显著。比较两组要用正式的检验。
区间背后，是干净的样本
置信区间只处理偶然误差，其余的交给 TapCub：每个转化事件只定义一次，漏斗按固定时间窗口统计，机器人不计入。
置信区间的计算公式是什么？
通用写法是：估计值 ± 临界值 × 标准误。均值的置信区间：x̄ ± t × s ÷ √n，t 取自由度 n − 1 的 t 分布临界值。比例的置信区间，课本公式（Wald）是 p̂ ± z × √(p̂(1 − p̂) ÷ n)，z 在 90%、95%、99% 时分别取 1.645、1.960、2.576；本计算器用更准确的 Wilson 区间（见下一条）。95% 置信区间指：用同样的方法反复抽样，大约 95% 的区间会包含真实值。
比例的置信区间怎么计算？
先算样本比例 p̂ = 成功数 ÷ 样本量，再代入区间公式。本计算器用 Wilson 区间：（p̂ + z²/2n ± z√(p̂(1 − p̂)/n + z²/4n²)）÷（1 + z²/n）。600 人中 126 人、95% 置信水平，结果是 17.93% 到 24.44%。
均值的置信区间计算公式是什么？
均值 ± t × 标准差 ÷ √n，t 取自由度 n − 1 的 t 分布临界值。客单价均值 ¥186、标准差 ¥95、60 笔订单，95% 置信区间是 ¥161.46 到 ¥210.54。
为什么用 Wilson 区间，不用课本上的公式？
课本常见的 Wald 区间（比例 ± z × 标准误）会算出不可能的范围：低于 0%、高于 100%，或者成功数为 0 时宽度为 0。Wilson 区间始终在 0–100% 之内，小样本时实际覆盖率也更接近标称的置信水平。样本大时两者几乎一样。
误差范围和置信区间有什么区别？
误差范围是置信区间宽度的一半。调查报告写「52%，误差 ±3 个百分点」，对应的区间就是 49% 到 55%。Wilson 区间上下不完全对称，但误差范围仍按宽度的一半算。
怎样让置信区间更窄？
增加样本量，或者接受更低的置信水平。宽度随样本量的平方根缩小：150 个访客、比例 30% 时误差 ±7.26 个百分点；600 个访客时 ±3.66 个百分点。
两组的置信区间重叠，是不是说明没有显著差异？
不一定。两个 95% 区间稍有重叠时，两组之差仍可能显著。比较两个转化率，用双比例检验，比如转化率计算器里的那个。
Excel 里怎么计算置信区间？
均值：CONFIDENCE.T(0.05, 标准差, 样本量) 返回 95% 置信水平下的误差（按 t 分布），区间就是均值 ± 这个数。CONFIDENCE.T(0.05, 95, 60) = 24.54，所以是 ¥186 ± ¥24.54，和本计算器一致。CONFIDENCE.NORM 用 z 值，小样本时略窄。比例的 Wilson 区间 Excel 没有现成函数；课本 Wald 区间的误差可写 NORM.S.INV(0.975)*SQRT(p*(1-p)/n)。