置信区间转标准差计算器 | 计算Z分数

置信区间转换为标准差的在线计算器工具及详细使用说明

置信区间转标准差计算器会将置信水平（例如 95%）转换为 z 分数。z 分数表示某个值与正态分布均值相差多少个标准差。这种转换广泛用于统计学，可将给定的置信水平转换为计算误差限和区间时所需的乘数。

什么是置信区间？

置信区间是一个数值范围，被认为以给定的置信水平包含总体的真实值，例如平均值。置信区间为 95% 意味着，如果重复进行同一项研究许多次，计算出的区间中约有 95% 会包含真实值。在正态分布下，每个置信水平都对应于均值两侧固定数量的标准差。

置信区间到 z 分数的公式

这种转换使用标准正态累积分布函数的反函数，也称为分位数函数或 probit 函数：

z = Φ⁻¹((1 + CI / 100) / 2)

其中，CI 是介于 0 和 100 之间、以百分比表示的置信区间，Φ⁻¹ 是标准正态累积分布函数的反函数。结果 z 表示位于均值上方、标示区间上限的标准差数量。下限与均值的距离相同但位于均值下方，因此整个区间跨越均值两侧各 ±z 个标准差。

如何根据置信区间计算标准差数量

1. 将置信水平表示为百分比，例如 95。
2. 除以 100 得到小数，然后应用公式：p = (1 + 0.95) / 2 = 0.975。
3. 查找标准正态曲线达到该累积概率时的 z 分数：z = Φ⁻¹(0.975)。
4. 将结果四舍五入。对于 95%，z ≈ 1.9600。

计算示例

对于 99% 的置信区间：

• p = (1 + 0.99) / 2 = 0.995
• z = Φ⁻¹(0.995) ≈ 2.5758

因此，99% 的置信区间向均值上方和下方各延伸约 2.5758 个标准差。

常见置信区间及其 z 分数

计算器将 z 分数显示到小数点后四位。68.27%、95.45% 和 99.73% 这几个水平分别四舍五入为 1、2 和 3 个标准差。它们并不精确：正态分布中，均值两侧一个、两个和三个标准差分别覆盖 68.2689%、95.4500% 和 99.7300% 的范围。

特殊情况

• 0% 置信水平：z = 0。0% 的区间没有宽度，因此会退化为均值本身，即分布的中点。
• 100% 置信水平：z 为无穷大。要涵盖正态分布下的每个可能值，就需要宽度为无穷大的区间，因为曲线永远不会完全达到零。
• 50% 置信水平：z ≈ 0.6745，有时称为可能误差，将分布以均值为中心分成相等的两半。

有效输入是从 0 到 100 的任意百分比。超出该范围的数值不是有意义的置信水平，因此会被拒绝。

这种转换的应用场景

• 假设检验：根据选定的显著性水平选择临界 z 值。
• 误差限：置信区间的误差限等于 z 乘以标准误，因此 z 分数是必需的输入值。
• A/B 测试：判断测得的差异可能是真实差异，还是由随机因素造成的。
• 质量控制：将控制限设定在距离过程平均值固定数量的标准差处。

这些应用假设基础数据，或均值等统计量的抽样分布，近似服从正态分布。对于小样本或偏态数据，t 分布等其他方法更为合适。

常见问题

如何将 95% 的置信区间转换为标准差？ 一个 95% 的置信区间对应于均值两侧约 ±1.9600 个标准差。这一结果来自求解 z = Φ⁻¹(0.975)。

什么置信区间对应 1 个标准差？ 均值两侧各一个标准差（±1σ）在正态分布中约覆盖 68.27% 的范围。

为什么 1.96 用于 95% 的置信区间？ 因为 95% 的区间在正态曲线两端的每个尾部留下 2.5% 的面积。标示第 97.5 百分位数的 z 分数约为 1.96。

在 0% 或 100% 置信水平下会发生什么？ 0% 的置信区间宽度为零，对应于 0 个标准差，即均值本身。100% 的置信区间必须覆盖整个分布，因此需要无穷多个标准差。

这种转换适用于非正态数据吗？ 不适用。它假设数据或相关抽样分布服从正态分布。对于偏态数据或小样本数据，通常应改用 t 分布或重抽样方法。

如何根据 z 分数得到误差限？ 误差限等于 z 乘以估计值的标准误：z × (σ / √n)，其中 σ 是标准差，n 是样本量。