指南汇编：数据分析离不开统计知识的辅助。其中，区间估计是指根据点估计得出相对合理的值范围。这种方法目前使用较少，但学习有助于理解其他概念，如家庭测试。本文作者总结了区间估计的概念和操作方法等，一起看一下。

你好，我是爱学习的熊妹妹。

很多小伙伴想知道：要做数据分析，到底需要知道多少统计学？小熊很努力地做懒汉攻略，不说复杂的理论，直接谈论实际操作，希望能帮助大家。

要搞统计学，第一个概念要从区间估计开始，这是后续多种方法的基础。

听一下。听到“区间估计”这个名字，很多小伙伴都会打问号。

今天的分享从这里开始。

首先，什么是“估计”？

“估计”是指用采样的数据估计整个数据情况。这样做的原因是，在很多情况下，收集全部数据太难了！例如，生产真空包装鸡腿的企业要想检查质量，就必须拆开包装。那鸡腿不能再卖了。这是多么大的损失啊！所以要取样。

如果用样本数据直接表示整个数据，则称为“点估计”。

一般的点估计指标有两个。

平均：例如，样品鸡腿的平均重量为150克。比率：例如鸡腿抽样的卫生合格率为99.9%。但是直接这样做有问题。也就是说，样本对象不同，点估计值经常不同。为了解决这个问题，出现了区间估计方法。

二、什么是“区间估计”？

通俗地说，区间估计是在点估计的基础上给出合理的价值范围。

例如：采样的鸡腿平均重量为150克，是一个点的估计值。采样的鸡腿平均重量在145克到155克之间，是间隔估计。

其中145到155称为置信区间。这符合人们的一般理解：东西很难100%准确，范围也可以理解。

但是这个范围有多可靠？人们用信任水平来衡量。也就是说，“我们有多确信，真实值在置信区间内。”通常以(1-)表示。如果采取0.05，信任水平为0.95，即95%的把握。

信任区间与信任水平相关联，完整的表达是：“我们有95%的信心。鸡腿的平均重量在145 ~ 155克之间。”

有小伙伴的话很好奇。为什么信任水平不是100%！一般来说，如果信任水平太高，信任区间会变得非常大，从而得出正确但无用的结论。

例如：我们百分百有信心。小熊的脸价值在负(-10分)和未约川线(10分)之间。这是正确的废话。

另一个例子是，我们有95%的信心。小熊是8分的美女(10分满分)。这个结论有用得多吗！

三、区间估计方法

做区间需要四个步骤，不想看原理的小伙伴死记硬背就行了。

第一步：检查样本对象和要计算的指标(检查是平均还是比率)。第二步：采集样本，获得样本数据(平均、比率、方差、样本量)。第三步：给定的信任水平(1-值)；步骤4:利用Z分布求出相应的置信区间范围。计算公式如下：

只需插入公式中的参数。标准偏差、Z /t值、平均值等参数具有各种计算工具中立即可用的公式。

四、两个简单的例子

某公司主要为中老年人开发产品，用户购买时不需要提供身份信息，因此无法知道用户年龄。

为了确认大象顾客的年龄是否符合“中老年”类别，必须取样。范例资料如下：在90%的信任水平上计算大象客户的年龄置信区间(见下图)。

再看看比率的例子。一家公司想知道用户满意度，但相当一部分用户在商品评价中没有评分，因此使用调查方法从网站上选出了300名未评分的用户，其中182人表示满意，在95%的信任水平下，寻求了用户满意度的信任区间(下)。

s://p3-sign.toutiaoimg.com/large/pgc-image/SiadahxB6YsXrO?_iz=31825&from=ar;x-expires=1705687549&x-signature=JFciuM3p%2FXd3C4cG44AVdZYe7ZQ%3D&index=3" width="640" height="230"/>

看到这个结果，反应快的小伙伴已经马上意识到：这种计算能用来验证业务有没有撒谎！比如上例中，如果业务方说“用户满意率肯定在70%以上”这样谎言就被戳穿了。

实际上，也确实是如此操作的。区间估计的方法是做假设检验的基础理论，所以小伙们都得掌握一下。

五、这么神奇的方法，为啥平时不咋用？

答：现代企业采集数据的手段丰富了很多，特别是互联网企业，用户的注册、点击、互动数据是全体收集的。因此想了解用户消费情况，完全可以针对全体统计消费率、消费金额等指标。就不需要抽样了，因此用得很少。

但这不意味着运营、产品、销售的同学就不需要掌握这个概念。因为这两年ABtest大行其道，导致抽样实验的方法又形成一轮文艺复兴。

先掌握区间估计的方法，对后边理解单样本/双样本/多样本假设检验，有巨大帮助。这一点，讲到后边大家都理解了。

以上就是今天的分享，谢谢大家。

作者：码工小熊，微信公众号：码工小熊

本文由 @码工小熊 原创发布于人人都是产品经理，未经许可，禁止转载。

题图来自 Unsplash，基于CC0协议