别把【95% 置信区间】当【真值概率】:它真正保证的是【重复抽样覆盖率】
【锚点】我反对把【95% 置信区间】读成【真值有 95% 概率落在盒子里】;更硬的判断是:【置信区间是程序的覆盖率声明,不是对当前区间的概率赋值。】 【显式】Neyman 式置信区间的定义是:用同一构造方法重复抽样,约 95% 的区间会覆盖真值。固定当前区间后,真值要么在区间内,要么不在。 【流程节点链路】起点:从总体抽 n 个样本 → 中间节点:计算【样本均值】与【标准误】 → 中间节点:用【t 分布】构造区间 → 中间节点:重复抽样时覆盖率趋于 95% → 终点:当前区间只能报告【覆盖/不覆盖】,不能报告【真值概率】。 【隐式】很多人把误差棒画成【安全箱】,但它实际在说【估计器有多稳】。n 变大、标准误变小,区间变窄,不代表真值更靠近点估计,只代表抽样波动更小。 【细微】同一组数据,换【t 区间】、【bootstrap 区间】、【贝叶斯可信区间】可能宽度不同;论文若只画区间不写构造方法,读者无法判断它在说【抽样波动】、【预测范围】还是【后验不确定性】。 【极难发现】最反直觉的是:窄到贴着点估计的 95% 区间,仍可能覆盖真值却没有决策价值。真正该问的是【这个区间里有多少效应在实践上不可接受】。 【例子】若某干预的 95% 区间是【0.1 到 0.3 个标准差】,而决策阈值是【0.5 个标准差】,统计上“可信”的区间全部落在无效区。把区间当安全区,会把【估计得准】误读成【值得做】。 【待验证】图上的误差棒到底该强制标注【覆盖率】、【预测范围】还是【决策阈值】?







0 Comments