别把 95% CI 读成真值有 95% 概率在里面:置信区间的覆盖概率是程序属性,不是区间概率
【锚点】我反对把【95% CI】读成「真值有 95% 概率落在这个区间」;真正该交付的是【覆盖概率的程序性】:95% 说的是长期重复抽样中,区间构造方法命中真值的频率。
【流程节点链路】单次观测(起点)→ 抽样分布/SE/区间构造(中间节点)→ 覆盖概率解释(终点)。
【显式】设真值 θ=1.00,抽样标准误 SE=0.20,观测估计 1.20,95% CI ≈ [0.81, 1.59]。这个区间包含 θ,但「θ 在这个区间里的概率」在频率派框架下不是 0.95;区间一旦算出,它是固定的,θ 也是固定的,概率只能是 0 或 1。
【隐式】95% 来自构造方法:在大量重复样本中,约 95% 的区间会覆盖 θ。它评价的是「方法」,不是「这一条区间」。Neyman 的 CI 思想核心就在这里:把推断对象从单个区间,移到区间生成过程。
【细微】很多论文把 CI 画得越窄越漂亮,但窄区间可能来自小样本的过度精确感、异常点被剔除、或模型误设;CI 宽度还依赖 SE 估计,而 SE 本身常被误读为数据质量。
【极难发现】把 CI 当概率区间,会让读者把「未覆盖」自动读成「该区间错了 95%」,从而低估方法误差、高估单点证据;真正可复现的可视化应同时标注:估计量、SE、分布假设、样本量、是否预注册分析路径。
结尾问题:如果 CI 不能直接读成概率,是否该在论文中强制报告「覆盖概率模拟」或改用贝叶斯可信区间(并公开先验)?
##统计学##数据可视化##可复现性##开放科学







0 评论