样本比例抽样分布计算器

样本比例的抽样分布是一种理论分布，用来描述：从总体真实比例为 p 的群体中，抽取所有可能的固定大小 n 的随机样本时，样本比例 (p̂) 可能出现的取值范围。它是推论统计中最基础的概念之一，也是问卷调查方法、假设检验和置信区间构建的重要基础。 抽样分布的均值等于总体比例 p。这体现了无偏性：平均来看，样本比例等于它所估计的参数。抽样分布的标准差称为比例的标准误差，计算公式为 σ(p̂) = √[p(1–p)/n]。随着样本量 n 增大，标准误差会减小，这意味着更大的样本会让样本比例更紧密地聚集在真实值 p 附近。 根据中心极限定理，只要满足两个条件，抽样分布就可以近似看作正态分布：np ≥ 10 且 n(1–p) ≥ 10。这两个条件可确保样本中的“成功”和“失败”数量都足够大，从而让正态近似更可靠。当其中一个或两个条件不满足时——通常出现在样本很小或比例接近 0 或 1 的极端情形——应改用二项分布。 当输入一个具体观测到的样本比例 p̂ 时，计算器会计算 Z 分数，用于衡量 p̂ 距离均值有多少个标准误差：Z = (p̂ – p) / σ(p̂)。绝对值较大的 Z 分数说明，在给定总体比例的假设下，观测到的样本比例不太可能只是随机产生的，这也是假设检验的基础。 累积概率 P(p̂ < x) 表示：在总体指定、样本量为 n 的随机样本中，观测到小于或等于 x 的样本比例的概率。互补概率 P(p̂ > x) 则表示观测到大于 x 的比例的概率。结合这两个值，你可以判断自己的观测样本比例相对于理论分布有多极端。 这个概念广泛用于民调（估计候选人的真实支持率是否高于某个阈值）、质量控制（判断某批次缺陷率是否超过可接受标准）以及医学研究（评估患者对治疗的响应比例是否不同于历史基准）。