相关笔记

Slide 1 — Introduction to Interval Estimation （第1页——区间估计导论）

Knowledge Points (知识点)

1. Definition and Purpose of Interval Estimation（区间估计的定义与目的）
2. Difference between Point and Interval Estimation（点估计与区间估计的区别）
3. Structure of a Confidence Interval（置信区间的结构）

---

🔹Knowledge Point 1 — Definition and Purpose of Interval Estimation（区间估计的定义与目的）

Explanation（解释）
Interval estimation provides a range of values that likely contain the true population parameter, rather than a single value.
区间估计提供一个可能包含总体参数真值的范围，而非单一数值。

Example（例子）
If a sample mean is 50 and the margin of error is 5, then the 95% confidence interval is (45, 55).
若样本均值为50，误差范围为5，则95%的置信区间为(45, 55)。

Extension（拓展）
The main purpose of interval estimation is to account for sampling variability and to provide a quantitative measure of estimation uncertainty.
区间估计的核心目的在于反映抽样波动性，并为估计结果提供不确定性的度量。

---

🔹Knowledge Point 2 — Difference between Point and Interval Estimation（点估计与区间估计的区别）

Explanation（解释）
Point estimation gives a single best value, while interval estimation gives a range based on a confidence level.
点估计提供单一的最佳估计值，而区间估计基于置信水平给出一个范围。

Example（例子）
A point estimate of population mean μ is $\bar{x}=100$; a 95% confidence interval might be $(95,105)$.
总体均值 μ 的点估计为 $\bar{x}=100$；其95%置信区间可能为(95,105)。

Extension（拓展）
Interval estimation is preferred in research because it conveys precision and reliability, while point estimation alone may be misleading.
区间估计能反映估计的精确性与可靠性，因此在研究中更受青睐；单纯点估计可能产生误导。

---

🔹Knowledge Point 3 — Structure of a Confidence Interval（置信区间的结构）

Explanation（解释）
A confidence interval is expressed as:
$\text{Estimate}\pm \text{Margin of Error}$
置信区间的一般形式为“估计值 ± 误差范围”。

Example（例子）
For a known population standard deviation:
$\bar{x}\pm Z_{\alpha /2}\frac{\sigma }{\sqrt{n}}$
当总体标准差已知时，置信区间计算公式为上式。

Extension（拓展）
The confidence level (e.g., 90%, 95%, 99%) represents how certain we are that the interval contains the true parameter.
置信水平（如90%、95%、99%）反映我们对区间包含总体参数真值的信心程度。

Image/Data Analysis（图表分析）
本页无图表，概念为主。

Summary（总结）
Interval estimation provides a more informative estimate by including uncertainty, improving reliability in statistical inference.
区间估计通过反映不确定性，使统计推断更可靠、更具信息性。

---

Slide 2 — Confidence Intervals for the Mean (σ Known) （第2页——已知总体标准差下的均值置信区间）

Knowledge Points (知识点)

1. Confidence Interval Formula for μ when σ Known（σ已知时总体均值的置信区间公式）
2. Concept of Confidence Level（置信水平的含义）
3. Factors Affecting the Width of Confidence Interval（影响置信区间宽度的因素）

---

🔹Knowledge Point 1 — Confidence Interval Formula for μ when σ Known（σ已知时总体均值的置信区间公式）

Explanation（解释）
When the population standard deviation σ is known and the sample size n ≥ 30, the confidence interval for μ is:
$\bar{x}\pm Z_{\alpha /2}\frac{\sigma }{\sqrt{n}}$
当总体标准差σ已知且样本量n≥30时，μ的置信区间计算公式如上。

Example（例子）
If $\bar{x}=80$, $\sigma =10$, $n=25$, and $Z_{0.025}=1.96$:
$CI=80\pm 1.96\times \frac{10}{\sqrt{25}}=80\pm 3.92=(76.08,83.92)$
当$\bar{x}=80$、$\sigma =10$、$n=25$、$Z_{0.025}=1.96$时，置信区间为(76.08, 83.92)。

Extension（拓展）
This Z-based confidence interval assumes the sampling distribution of $\bar{x}$ is approximately normal.
此基于Z分布的置信区间假设样本均值$\bar{x}$的抽样分布近似正态。

---

🔹Knowledge Point 2 — Concept of Confidence Level（置信水平的含义）

Explanation（解释）
The confidence level (1−α) represents the probability that the constructed interval contains the true population parameter in repeated sampling.
置信水平(1−α)表示在重复抽样中，区间包含总体参数真值的概率。

Example（例子）
A 95% confidence level means that in 100 similar samples, about 95 intervals will include μ.
95%置信水平意味着在100个类似样本中，约有95个区间会包含总体均值μ。

Extension（拓展）
Higher confidence levels produce wider intervals, indicating greater certainty but lower precision.
更高的置信水平会产生更宽的区间，代表更高的置信度但更低的精确度。

---

🔹Knowledge Point 3 — Factors Affecting the Width of Confidence Interval（影响置信区间宽度的因素）

Explanation（解释）
The width of a confidence interval depends on three factors:

1. Sample size (n) — larger n narrows the interval;
2. Population standard deviation (σ) — greater σ widens the interval;
3. Confidence level — higher confidence widens the interval.
   置信区间的宽度由以下三项因素决定：样本量n、总体标准差σ、置信水平。

Example（例子）
If n increases from 25 to 100, the interval width halves because $\sqrt{n}$ doubles.
若样本量从25增至100，因$\sqrt{n}$增倍，区间宽度约减半。

Extension（拓展）
In practice, researchers balance confidence and precision when selecting sample sizes for surveys and experiments.
在实际研究中，研究者需平衡置信度与精确度，以选择合适样本量。

Image/Data Analysis（图表分析）
图示通常显示置信区间随样本量变化而收缩的趋势。样本越大，置信区间越窄。

Summary（总结）
The confidence interval for μ (σ known) quantifies uncertainty using Z-distribution and reflects the trade-off between confidence and precision.
σ已知条件下的均值置信区间通过Z分布量化不确定性，体现置信度与精确度的权衡。

---

Slide 3 — Confidence Intervals for the Mean (σ Unknown) （第3页——未知总体标准差下的均值置信区间）

Knowledge Points (知识点)

1. Using the t-distribution when σ is unknown（当σ未知时使用t分布）
2. Formula for the confidence interval of μ（μ的置信区间公式）
3. Degrees of freedom concept（自由度的概念）

---

🔹Knowledge Point 1 — Using the t-distribution when σ is unknown（当σ未知时使用t分布）

Explanation（解释）
When the population standard deviation (σ) is unknown, we estimate it using the sample standard deviation (s).
此时总体标准差σ未知，应以样本标准差s进行估计。
Because s introduces extra uncertainty, we use the t-distribution instead of the standard normal Z-distribution.
由于s带来了额外的不确定性，因此使用t分布替代标准正态Z分布。

Example（例子）
A sample of n=16 has mean $\bar{x}=80$ and standard deviation s=12.
The 95% confidence interval for μ is:
$\bar{x}\pm t_{\alpha /2,n-1}\frac{s}{\sqrt{n}}$
$=80\pm 2.131\times \frac{12}{4}=80\pm 6.39=(73.61,86.39)$
样本量为16、样本标准差为12时，95%置信区间为(73.61, 86.39)。

Extension（拓展）
The t-distribution is wider than the Z-distribution, reflecting additional sampling uncertainty for small samples.
t分布比Z分布更宽，体现了小样本条件下更大的不确定性。

---

🔹Knowledge Point 2 — Formula for the Confidence Interval of μ（μ的置信区间公式）

Explanation（解释）
When σ is unknown, the confidence interval for μ is:
$\bar{x}\pm t_{\alpha /2,n-1}\frac{s}{\sqrt{n}}$
其中自由度为 $df=n-1$。

Example（例子）
For n=25, s=4, $\bar{x}=70$, and $t_{0.025,24}=2.064$:
$CI=70\pm 2.064\times \frac{4}{5}=70\pm 1.65=(68.35,71.65)$
样本量25时，均值置信区间为(68.35, 71.65)。

Extension（拓展）
As n increases, the t-distribution converges to the Z-distribution, meaning the difference between using t or Z diminishes.
当样本量增大时，t分布趋近于Z分布，两者差异逐渐减小。

---

🔹Knowledge Point 3 — Degrees of Freedom Concept（自由度的概念）

Explanation（解释）
Degrees of freedom (df) represent the number of independent values available for estimation.
自由度指可用于估计的独立数据个数。
For a sample of size n, df = n − 1 when estimating variance or standard deviation.
当估计方差或标准差时，自由度等于样本量减一。

Example（例子）
If n = 10, then df = 9; use $t_{0.025,9}$ from the t-table to find the critical value.
当样本量为10，自由度为9，对应t表临界值$t_{0.025,9}$。

Extension（拓展）
The smaller the df, the thicker the tails of the t-distribution, indicating greater uncertainty.
自由度越小，t分布尾部越厚，代表不确定性越高。

Image/Data Analysis（图表分析）
图表显示t分布相较Z分布更“扁平且厚尾”，随着df增大，曲线逐渐逼近标准正态分布。

Summary（总结）
When σ is unknown, use the t-distribution; its width decreases as sample size increases, improving precision.
当总体标准差未知时，应使用t分布；样本量增大时，区间宽度缩小，估计精确度提高。

---

Slide 4 — Confidence Interval for Population Proportion （第4页——总体比例的置信区间）

Knowledge Points (知识点)

1. Formula for the confidence interval of population proportion（总体比例置信区间公式）
2. Sampling distribution of sample proportion（样本比例的抽样分布）
3. Example and interpretation（实例与解释）

---

🔹Knowledge Point 1 — Formula for the Confidence Interval of Population Proportion（总体比例置信区间公式）

Explanation（解释）
The confidence interval for population proportion p is given by:
$\hat{p}\pm Z_{\alpha /2}\sqrt{\frac{\hat{p}(1-\hat{p})}{n}}$
其中 $\hat{p}$ 为样本比例，n为样本量。

Example（例子）
If $\hat{p}=0.6$, n=100, and $Z_{0.025}=1.96$:
$CI=0.6\pm 1.96\sqrt{\frac{0.6(0.4)}{100}}=0.6\pm 0.096=(0.504,0.696)$
样本比例为0.6时，95%置信区间为(0.504, 0.696)。

Extension（拓展）
This formula assumes a large enough n such that both $n\hat{p}$ and $n(1-\hat{p})$ exceed 5, ensuring the normal approximation holds.
该公式假设样本量足够大，以保证正态近似成立。

---

🔹Knowledge Point 2 — Sampling Distribution of Sample Proportion（样本比例的抽样分布）

Explanation（解释）
The sample proportion $\hat{p}$ follows approximately a normal distribution when n is large:
$\hat{p}\sim N(p,\sqrt{p(1-p)/n})$
当样本量较大时，样本比例近似服从均值为p、标准差为$\sqrt{p(1-p)/n}$的正态分布。

Example（例子）
In a survey of 200 people, 120 agree with a policy. Then $\hat{p}=120/200=0.6$, and
$SE=\sqrt{0.6(0.4)/200}=0.0346$
95% confidence interval ≈ (0.532, 0.668)。
当样本量为200时，比例置信区间约为(0.532, 0.668)。

Extension（拓展）
The larger the sample, the smaller the standard error, making the confidence interval narrower.
样本越大，标准误越小，置信区间越窄。

---

🔹Knowledge Point 3 — Example and Interpretation（实例与解释）

Explanation（解释）
Confidence intervals for proportions are used to infer population support rates, success probabilities, or survey percentages.
比例置信区间用于推断总体支持率、成功概率或问卷百分比。

Example（例子）
If 60% of 100 respondents favor a product with a 95% CI of (0.504, 0.696), we say we are 95% confident the true proportion lies between 50.4% and 69.6%.
若样本中60%的人支持某产品，则95%置信区间(50.4%, 69.6%)代表我们有95%的把握认为总体支持率位于此区间。

Extension（拓展）
Such intervals are crucial in marketing and opinion polls for estimating public preference with quantified uncertainty.
该区间常用于市场调查和民意测验中，以量化公众偏好及其不确定性。

Image/Data Analysis（图表分析）
图表可展示样本比例的分布曲线及置信区间范围，区间宽度与样本量成反比。

Summary（总结）
Confidence intervals for proportions help quantify sampling uncertainty in categorical data, offering a clearer understanding of true population behavior.
比例置信区间帮助量化分类数据的抽样不确定性，使对总体行为的推断更明确。

---

Slide 5 — Interval Estimation for μ (σ Known) （第5页——已知σ时的总体均值区间估计）

Knowledge Points (知识点)

1. Sampling distribution and confidence region（抽样分布与置信区间区域）
2. Formula for μ when σ is known（σ已知时μ的置信区间公式）
3. Interpretation of α and (1−α)（显著性水平与置信水平的意义）

---

🔹Knowledge Point 1 — Sampling Distribution and Confidence Region（抽样分布与置信区间区域）

Explanation（解释）
The sampling distribution of the sample mean $\bar{x}$ is normally distributed around the population mean μ.
样本均值 $\bar{x}$ 的抽样分布呈正态分布，中心为总体均值 μ。
The middle $(1-\alpha )$ area under the curve represents all sample means that produce intervals containing μ.
曲线中间的 $(1-\alpha )$ 区域代表所有包含总体均值 μ 的样本均值区间。

Example（例子）
At a 95% confidence level, 95% of possible intervals constructed from repeated sampling will include μ, and 5% will not.
在95%置信水平下，重复抽样构造的区间中有95%会包含 μ，5%不会。

Extension（拓展）
This visual interpretation helps explain why the confidence level is associated with long-run probability, not a specific sample.
该图示解释了置信水平与长期概率有关，而非针对单一样本。

Image/Data Analysis（图像或数据分析）
如图所示，绿色部分代表 $(1-\alpha )$ 的样本均值分布区间；两端的蓝色区域各占 α/2，
其中 $z_{\alpha /2}{\sigma }_{\bar{x}}$ 为置信区间的界限。左侧区间未包含 μ，右侧区间包含 μ。

Summary（总结）
The sampling distribution framework shows how confidence intervals probabilistically capture the true mean μ.
抽样分布框架揭示置信区间如何以概率方式捕捉总体均值 μ。

---

Slide 6 — Formula for Confidence Interval of μ (σ Known) （第6页——已知σ时μ的置信区间计算公式）

Knowledge Points (知识点)

1. General formula for μ confidence interval（总体均值的区间估计公式）
2. Definition of each symbol（各符号定义）
3. Role of standard error（标准误的作用）

---

🔹Knowledge Point 1 — General Formula for μ Confidence Interval（总体均值的区间估计公式）

Explanation（解释）
When the population standard deviation σ is known, the confidence interval for the population mean μ is given by:
$\bar{x}\pm Z_{\alpha /2}\frac{\sigma }{\sqrt{n}}$
当总体标准差σ已知时，总体均值μ的置信区间公式如上。

Example（例子）
If $\bar{x}=50$, σ=10, n=25, and $Z_{0.025}=1.96$, then
$CI=50\pm 1.96\times \frac{10}{5}=50\pm 3.92=(46.08,53.92)$
样本均值为50时，95%置信区间为(46.08, 53.92)。

Extension（拓展）
This formula applies when the population is normal or the sample size n ≥ 30, ensuring $\bar{x}$ follows an approximate normal distribution.
该公式适用于总体为正态或样本量较大（n≥30）时，保证样本均值近似正态分布。

---

🔹Knowledge Point 2 — Definition of Each Symbol（各符号定义）

Explanation（解释）
Each element in the formula has a specific meaning:

Symbol	Definition (英文)	定义（中文）
$\bar{x}$	Sample mean	样本均值
$1-\alpha$	Confidence coefficient	置信系数
$Z_{\alpha /2}$	z-value for α/2 in standard normal distribution	标准正态分布上 α/2 对应的临界值
σ	Population standard deviation	总体标准差
n	Sample size	样本量

Example（例子）
For α=0.05, $Z_{\alpha /2}=1.96$ means there is 0.025 area in each tail.
当显著性水平为0.05时，Z值1.96对应每个尾部面积为0.025。

Extension（拓展）
Understanding each symbol helps interpret how changes in σ or n affect the margin of error and interval width.
理解各符号含义有助于分析σ与n的变化如何影响误差范围与区间宽度。

---

🔹Knowledge Point 3 — Role of Standard Error（标准误的作用）

Explanation（解释）
The standard error of the mean, $\frac{\sigma }{\sqrt{n}}$, measures how far the sample mean is expected to vary from the population mean.
均值标准误反映样本均值与总体均值可能的偏离程度。

Example（例子）
If σ=10 and n=100, then $SE=10/10=1$. The interval is much narrower than when n=25 ($SE=2$).
当σ=10、n=100时，标准误为1，区间明显比n=25时（SE=2）更窄。

Extension（拓展）
Larger sample sizes reduce standard error, leading to more precise estimates and narrower confidence intervals.
更大的样本量可降低标准误，使估计更精确，置信区间更窄。

Summary（总结）
The formula $\bar{x}\pm Z_{\alpha /2}\frac{\sigma }{\sqrt{n}}$ quantifies the uncertainty of sample means, linking precision to confidence level and sample size.
该公式量化了样本均值的不确定性，体现精确度与置信度、样本量之间的关系。

---

Slide 7 — Confidence Levels and Critical Values （第7页——置信水平与临界值）

Knowledge Points (知识点)

1. Common confidence levels and Z-values（常见置信水平与Z值）
2. Relationship between α and Zα/2（α与Z值的关系）
3. Effect of confidence level on interval width（置信水平对区间宽度的影响）

---

🔹Knowledge Point 1 — Common Confidence Levels and Z-values（常见置信水平与Z值）

Explanation（解释）
The Z critical values correspond to the tail areas of α/2 for each confidence level.
Z临界值对应于每个置信水平下标准正态分布两尾的α/2面积。

Example（例子）

Confidence Level	α	α/2	Zα/2
90%	0.10	0.05	1.645
95%	0.05	0.025	1.960
99%	0.01	0.005	2.576

Extension（拓展）
Higher confidence levels (e.g., 99%) require larger Z-values, which widen the interval to ensure greater certainty.
更高的置信水平需要更大的Z值，从而扩大区间以确保更高的置信度。

---

🔹Knowledge Point 2 — Relationship between α and Zα/2（α与Z值的关系）

Explanation（解释）
α represents the total probability excluded from the confidence region, while Zα/2 marks the cutoff points in each tail.
α表示未被包含在置信区间内的总概率，而Zα/2对应于正态分布两尾的分界点。

Example（例子）
For α = 0.10, $Z_{0.05}=1.645$ since each tail has 0.05 area.
当α=0.10时，每尾面积0.05，对应Z值为1.645。

Extension（拓展）
The smaller α becomes, the larger Zα/2 grows, increasing the range of plausible μ values.
α越小，Zα/2越大，使置信区间范围更宽。

---

🔹Knowledge Point 3 — Effect of Confidence Level on Interval Width（置信水平对区间宽度的影响）

Explanation（解释）
Increasing the confidence level expands the margin of error because the Z critical value grows.
提高置信水平会增大误差范围，因为Z临界值随之增加。

Example（例子）
At 90% level, $Z=1.645$; at 99%, $Z=2.576$, making the 99% interval about 1.5 times wider.
在90%置信水平下，Z=1.645；在99%下，Z=2.576，区间宽度约扩大1.5倍。

Extension（拓展）
Researchers must balance between interval precision and confidence; overly wide intervals reduce practical usefulness.
研究者需平衡置信度与精确度，区间过宽会降低其实际参考价值。

Summary（总结）
Confidence levels determine Z critical values, directly affecting how wide or narrow an interval estimation will be.
置信水平决定Z临界值，进而影响区间估计的宽度。

---

Slide 8 — Interpretation of Confidence Intervals （第8页——置信区间的解释）

Knowledge Points (知识点)

1. Conceptual meaning of confidence level（置信水平的概念意义）
2. Long-run interpretation of interval coverage（长期区间覆盖的含义）
3. Relationship between α, confidence coefficient, and significance level（α、置信系数与显著性水平的关系）

---

🔹Knowledge Point 1 — Conceptual Meaning of Confidence Level（置信水平的概念意义）

Explanation（解释）
A 90% confidence level means that if 100 different samples are taken, approximately 90 constructed intervals will contain the true population mean μ.
90%置信水平意味着在从总体抽取的100个样本中，大约有90个构造出的区间会包含真实总体均值μ。

Example（例子）
If $Z_{0.05}=1.645$, the 90% confidence interval is:
$\bar{x}\pm 1.645\frac{\sigma }{\sqrt{n}}$
例如，Z=1.645时表示置信区间覆盖总体均值的概率为0.90。

Extension（拓展）
The confidence level does not indicate the probability that μ lies within a specific interval—it describes the reliability of the estimation process.
置信水平并非表示μ落在某区间内的概率，而是指整个估计方法的可靠性。

---

🔹Knowledge Point 2 — Long-run Interpretation of Interval Coverage（长期区间覆盖的含义）

Explanation（解释）
Confidence intervals are random because they depend on sample data. In repeated sampling, a certain proportion of intervals will contain μ.
置信区间是随机的，因为它取决于样本数据。重复抽样时，部分区间将包含μ。

Example（例子）
If 100 samples are drawn from a population, roughly 90 intervals at 90% confidence will contain μ.
若从总体抽取100个样本，则大约90个90%置信区间会包含μ。

Extension（拓展）
This long-run interpretation is key to distinguishing statistical confidence from individual certainty.
长期解释有助于区分统计置信与个体确定性之间的概念差异。

---

🔹Knowledge Point 3 — Relationship among α, Confidence Coefficient, and Significance（α、置信系数与显著性水平的关系）

Explanation（解释）
The confidence coefficient equals $1-\alpha$, where α is the significance level used in hypothesis testing.
置信系数等于$1-\alpha$，其中α为假设检验中的显著性水平。

Example（例子）
For a 95% confidence interval, $\alpha =0.05$; for a 99% interval, $\alpha =0.01$。
95%置信区间对应显著性水平0.05，99%置信区间对应0.01。

Extension（拓展）
Both confidence intervals and hypothesis testing rely on the same α to control Type I error probability.
置信区间与假设检验均通过α来控制第一类错误概率。

Summary（总结）
Confidence intervals describe estimation reliability over repeated sampling, not single-sample certainty.
置信区间反映的是估计过程的长期可靠性，而非单次样本的确定性。

---

Slide 11 — Example: Confidence Interval for Mean Income （第11页——均值收入置信区间示例）

Knowledge Points (知识点)

1. Applying the confidence interval formula（置信区间公式的实际应用）
2. Computing margin of error（误差范围的计算）
3. Interpretation of results（结果的解释）

---

🔹Knowledge Point 1 — Applying the Confidence Interval Formula（置信区间公式的实际应用）

Explanation（解释）
Given a normally distributed population with known σ, we use the formula:
$\bar{x}\pm Z_{\alpha /2}\frac{\sigma }{\sqrt{n}}$
总体服从正态分布且σ已知时，使用上述公式计算置信区间。

Example（例子）
Sample size n = 36, $\bar{x}=41,100$, σ = 4,500, confidence level = 95%.
$E=1.96\times \frac{4,500}{\sqrt{36}}=1,470$
Thus, the 95% confidence interval is $(41,100\pm 1,470)$ = (39,630, 42,570)。

Extension（拓展）
This example demonstrates how larger σ or smaller n increases the margin of error, widening the interval.
该例说明σ越大或样本量越小，误差范围越大，置信区间越宽。

---

🔹Knowledge Point 2 — Computing Margin of Error（误差范围的计算）

Explanation（解释）
The margin of error (E) measures sampling uncertainty:
$E=Z_{\alpha /2}\frac{\sigma }{\sqrt{n}}$
误差范围反映样本均值与总体均值间可能的偏差。

Example（例子）
Using $Z_{0.025}=1.96$ and $n=36$, the margin of error is $1,470.
使用95%置信水平时，误差为1470美元。

Extension（拓展）
Reducing E requires either larger sample size n or lower σ, but both come at greater cost or data effort.
降低误差需增大样本或减小σ，但两者均会增加成本或数据采集难度。

---

🔹Knowledge Point 3 — Interpretation of Results（结果的解释）

Explanation（解释）
We are 95% confident that the true mean annual income μ lies between $39,630 and $42,570.
我们有95%的信心认为总体年均收入μ介于39,630美元与42,570美元之间。

Example（例子）
This means if 100 such samples were drawn, about 95 intervals would contain μ.
若抽取100个样本，大约有95个置信区间会包含总体均值μ。

Extension（拓展）
Confidence refers to the reliability of the estimation procedure, not the probability that μ lies in this specific interval.
置信度反映的是估计方法的可靠性，而非μ落入某一特定区间的概率。

Image/Data Analysis（图像或数据分析）
图示展示了区间估计的计算过程：
蓝色公式框表示通过 $Z_{\alpha /2}=1.96$ 与 ${\sigma }_{\bar{x}}$ 求得的误差E，
置信区间上下限为 $\bar{x}\pm E$。

Summary（总结）
The example quantifies uncertainty in income estimates, illustrating how sample statistics infer population parameters.
此实例量化了收入估计的不确定性，展示了样本统计量如何推断总体参数。

---

Slide 12 — Effect of Confidence Level on Interval Width （第12页——置信水平对区间宽度的影响）

Knowledge Points (知识点)

1. Relationship between confidence level and interval width（置信水平与区间宽度的关系）
2. Trade-off between confidence and precision（置信度与精确度的权衡）
3. Visual interpretation of different confidence levels（不同置信水平的图像解释）

---

🔹Knowledge Point 1 — Relationship between Confidence Level and Interval Width（置信水平与区间宽度的关系）

Explanation（解释）
Higher confidence levels require larger Z values, resulting in wider intervals.
更高的置信水平需要更大的Z值，从而产生更宽的置信区间。
The more confident we wish to be, the greater the uncertainty margin must become.
置信度越高，允许的不确定性范围也越大。

Example（例子）
At 70% confidence Z ≈ 1.04; at 95% Z ≈ 1.96; at 99% Z ≈ 2.576 → interval width increases significantly.
在70%、95%、99%置信水平下，Z值依次增大，区间宽度显著扩张。

Extension（拓展）
This trade-off means researchers must decide whether to favor higher confidence or narrower precision depending on purpose.
这意味着研究者需根据研究目的在置信度与精度之间权衡。

---

🔹Knowledge Point 2 — Trade-off between Confidence and Precision（置信度与精确度的权衡）

Explanation（解释）
Increasing the confidence level (1 − α) raises Zα/2 and the margin of error E, making the interval less precise.
提高置信水平会增加Z值和误差范围，从而降低区间的精确度。

Example（例子）
A 99% confidence interval may be more reliable but too broad for decision-making compared to a 95% interval.
99%置信区间虽更可靠，但相较95%区间过宽，决策参考性降低。

Extension（拓展）
Statistical reporting often defaults to 95% because it balances reasonable certainty and precision.
统计报告通常采用95%置信水平，以兼顾置信度与实用性。

---

🔹Knowledge Point 3 — Visual Interpretation of Different Confidence Levels（不同置信水平的图像解释）

Explanation（解释）
Graphs show wider shaded areas as confidence increases from 70% to 99%.
随着置信水平从70%提高到99%，红色阴影区域逐渐变宽。
This represents larger coverage of possible sample means.
这表明更多的样本均值落入置信区间范围。

Example（例子）
At 70% confidence, intervals capture fewer sample means; at 99%, almost all means fall within the red region.
70%置信下区间覆盖样本均值较少，而99%几乎全部样本均值都在红区内。

Extension（拓展）
Visual comparison helps learners intuitively grasp how α reduction (from 0.30 → 0.01) expands interval width.
图像比较帮助直观理解：当α从0.30减至0.01时，置信区间显著扩大。

Image/Data Analysis（图像或数据分析）
红色分布图显示置信水平依次为70%、80%、95%、99%，
区间宽度随置信水平上升而递增。

Summary（总结）
Higher confidence increases Z-value and interval width, enhancing reliability but reducing precision.
置信水平越高，Z值和区间宽度越大，可靠性增强但精度下降。

---