学习指南

构建两个总体比例之差的置信区间

AP 统计学· 12 分钟阅读

1. 验证有效性所需的前置条件★★★☆☆⏱ 3 min

[Block type renderer not yet implemented · content will appear once shipped]
[Block type renderer not yet implemented · content will appear once shipped]
📐 例题

检查上述智能手机调查场景是否满足双比例置信区间的全部条件

  1. 1

    验证随机性：假设两个样本分别是高一新生和高三生的独立简单随机样本，条件满足。

  2. 2

    验证10%独立性：200小于当地全部高一新生总量的10%，220小于当地全部高三生总量的10%，条件满足。

  3. 3

    验证大样本计数：高一新生组：85次成功，115次失败，均≥10。高三生组：121次成功，99次失败，均≥10，条件满足。

✓ 快速检测

测试你对条件要求的理解

  1. 以下哪个场景不满足大样本计数条件？

    • 样本1：n=50，3次成功；样本2：n=60，7次成功

    • 样本1：n=100，22次成功；样本2：n=120，18次成功

    • 样本1：n=200，95次成功；样本2：n=210，102次成功

2. 计算点估计与非合并标准误★★★☆☆⏱ 3 min

[Block type renderer not yet implemented · content will appear once shipped]
p^1−p^2\hat{p}_1 - \hat{p}_2
SE=p^1(1−p^1)n1+p^2(1−p^2)n2SE = \sqrt{\frac{\hat{p}_1(1-\hat{p}_1)}{n_1} + \frac{\hat{p}_2(1-\hat{p}_2)}{n_2}}
📐 例题

将高一新生设为组1，高三生设为组2，计算智能手机调查的点估计和标准误

  1. 1

    计算样本比例：(\hat{p}_1 = 85/200 = 0.425)，(\hat{p}_2 = 121/220 = 0.55)

  2. 2

    点估计：(0.425 - 0.55 = -0.125)

  3. 3

    标准误：(\sqrt{\frac{0.425(0.575)}{200} + \frac{0.55(0.45)}{220}} \approx 0.0479)

3. 结合临界Z值完成最终区间计算★★★★☆⏱ 3 min

[Block type renderer not yet implemented · content will appear once shipped]
(p^1−p^2)±z∗×SE(\hat{p}_1 - \hat{p}_2) \pm z^* \times SE
📐 例题

构建高一新生与高三生智能手机拥有率差值的95%置信区间

  1. 1

    95%置信度对应z*=1.96

  2. 2

    边际误差=1.96*0.0479≈0.0939

  3. 3

    最终区间边界：-0.125-0.0939=-0.219，-0.125+0.0939=-0.031

  4. 4

    最终区间：(-0.219, -0.031)

4. 写出可获得AP满分的区间解释★★★★☆⏱ 3 min

[Block type renderer not yet implemented · content will appear once shipped]
📐 例题

为智能手机拥有率区间(-0.219, -0.031)写出可获得满分的完整解释

  1. 1

    正确的完整解释：我们有95%的把握认为，高一新生和高三生智能手机拥有率的真实差值（高一新生减高三生）落在-0.219到-0.031之间。

  2. 2

    部分得分示例：样本比例的差值在-0.219到-0.031之间（未提及总体参数，不得分）。

5. 常见陷阱

错误做法:

使用合并比例计算双比例置信区间的标准误

原因:

合并操作仅适用于双比例显著性检验，不适用于置信区间，得到的区间会过窄，在AP评分标准中会被判错

正确做法:

所有双比例置信区间计算都必须使用非合并的独立样本比例

错误做法:

忘记明确说明两个样本的10%独立性条件

原因:

如果三项必要条件中有任意一项被遗漏，AP评分标准会直接扣除一整分

正确做法:

在开始任何计算之前，明确写出全部三项条件

错误做法:

将区间解释为描述样本比例的差值

原因:

推断永远针对总体参数，而非观测到的样本统计量，这类解释不得分

正确做法:

所有解释都要围绕两个目标总体比例的真实差值展开

错误做法:

使用t临界值而非z计算区间

原因:

所有比例推断都使用标准正态z分布，t分布仅用于总体均值的推断

正确做法:

比例置信区间必须使用从标准正态分布表中查到的z*临界值

错误做法:

未记录差值方向就交换组1和组2的顺序

原因:

如果混淆组标签，原本为负的区间会得到完全相反的含义，导致解释完全错误

正确做法:

在开始所有计算之前，明确定义哪个总体是组1，哪个是组2

6. 速查表

组成部分

双比例置信区间要求/公式

点估计

(\hat{p}_1 - \hat{p}_2)

非合并标准误

(\sqrt{\frac{\hat{p}_1(1-\hat{p}_1)}{n_1} + \frac{\hat{p}_2(1-\hat{p}_2)}{n_2}})

完整区间

((\hat{p}_1 - \hat{p}_2) \pm z^* \times SE)

强制条件

独立随机样本、样本量小于总体10%、两组成功/失败数均≥10

95%置信度z*

1.96

真题中的出现

AI 根据考纲规律估算的考点位置,请对照官方真题核实准确性。仅作复习重点参考。

  • 2025 · Paper 1

    自由作答题第3题：双比例区间构建

  • 2023 · Paper 2

    选择题第12题：区间计算

  • 2022 · Paper 1

    自由作答题第4题：区间解释

下一步

掌握双比例置信区间是本单元下一个核心主题：双比例显著性假设检验的关键基础，二者的条件检查和标准误逻辑几乎完全一致（唯一核心区别是假设检验会使用合并比例）。该考点在AP考试的综合自由作答部分占很高比重，你经常需要在多部分推断场景中完成区间构建和解释。后续学习使用同质性卡方检验比较多个比例时，你也会用到这套框架，因此现在夯实区间构建的基础可以避免后续分类数据推断内容出现知识漏洞。