本節書摘來自異步社區《統計會犯錯——如何避免數據分析中的統計陷阱》一書中的第2章置信區間的優勢，作者【美】Alex Reinhart（亞歷克斯·萊因哈特）,更多章節內容可以訪問云棲社區“異步社區”公眾號查看。

置信區間的優勢
與考慮試驗結果的顯著性相比，置信區間是一種更合理的結論表述，它可以給出效應的大小。即使置信區間包含0，它的寬度也會告訴你很多信息：一個狹窄的包含 0 的置信區間表明效應可能比較小，而一個較寬的包含 0 的置信區間則表明測量值并不十分精確，因而不足以作出結論。

對于那些與0沒有顯著差異的測量，物理學家常常使用置信區間給出它們的界值。例如，在搜索基礎粒子時，“該信號在統計上是不顯著的”這種說法沒有意義。相反，對于粒子撞擊時的速率，物理學家一般利用置信區間賦給它們一個上界，然后將這個結果與預測粒子行為的已有理論進行比較（促進未來的試驗人員建造更大的試驗設備來發現它）。

利用置信區間來解釋結果為試驗設計提供了一種新思路。不再關注顯著性假設檢驗的功效，轉而問這樣的問題：“我應該搜集多少數據來度量理想精度的效應？”盡管高功效的試驗可以產生顯著性的結果，但如果其置信區間很寬的話，結論同樣難以解釋。

每次試驗的數據會不一樣，所以每次試驗得到的置信區間大小也會發生變化。以前是選擇一個樣本大小以達到某種程度的功效水平，現在我們選擇一個樣本容量大小，只要使得到的置信區間的寬度小于目標寬度的概率達到99% 即可（這個數字被稱為其并沒有固定的標準，或者是95%）16。

在常見的假設檢驗里，已經發展出很多依賴于置信度的樣本量選擇方法；不過這仍然是一個新的領域，統計學家還沒有研究透徹17（這些方法的名字是樣本估計的精度，英文縮寫為AIPE）。統計功效比置信度使用更多，在各領域里統計學家還沒有采用置信度。盡管如此，這些方法非常有用。統計顯著性經常是拐杖，名字雖然中聽，但并不能像一個好的置信區間那樣提供多少有用的信息。

總結

以上是生活随笔為你收集整理的《统计会犯错——如何避免数据分析中的统计陷阱》—第2章置信区间的优势的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。