3. 置信区间的频率学派解释

在Bootstrap重采样中，我们几乎总能算出一个区间，但“算出来”不等于“算对了”。频率学派置信区间的核心，是把区间本身看作随机变量：样本变，区间就变；而真实参数固定不变。95%置信区间的准确含义是——如果从同一总体中反复独立抽样，每次用同样的方法构造一个区间，那么长期来看约有95%的区间会包含真实参数值。注意，它描述的是构造方法的长期覆盖率，而不是某一个已算出的具体区间“有95%的概率包含真值”。一旦区间数值确定，真值要么在里、要么在外，概率只能是0或1；95%是方法属性，不是这个具体区间的属性。

覆盖概率到底在说什么

用一个可复现的思想实验来固定理解。假设总体是偏态分布，真实中位数 θ=10。我们重复执行 2000 次“抽样—Bootstrap—构造百分位区间”的完整流程，每次得到形如 [Lᵢ, Uᵢ] 的区间。统计 Lᵢ ≤ 10 ≤ Uᵢ 的次数，若约 1900 次成立，则经验覆盖率约 95%。这正是频率学派置信区间的操作化定义：覆盖率是对构造程序的评估，而不是对单次结果的评估。Bootstrap 百分位区间、BCa 区间、正态近似区间，本质上是不同的“构造程序”，它们的优劣要靠覆盖率、区间长度、对称性等指标在重复抽样下比较。

三类常见误读

误读一：把覆盖率当成单次区间的概率。“这个区间有95%的概率包含真值”是错误表述。正确说法是“用此方法构造的区间，长期约有95%会覆盖真值”。误读二：认为真值落在区间内的概率是95%，落在区间外是5%。真值是固定常数，不服从随机分布，不能对它谈概率。误读三：把置信水平当成“区间包含样本统计量的概率”或“结论正确的概率”。置信水平只约束构造程序的长期覆盖行为，不保证本次推断正确，也不等价于假设检验的p值或贝叶斯后验概率。此外，95%区间比90%区间更宽，这是覆盖与精度之间的必然权衡，不能只追求高覆盖而忽略区间长度。

精确区间与近似区间

“精确”与“近似”指构造方法在有限样本下是否严格达到名义覆盖水平。以二项比例为例，Clopper–Pearson 区间基于二项分布的精确尾概率反解，保证覆盖率不低于名义水平，但通常偏保守、区间偏宽；Wald 区间用正态近似，计算简单、对称，但在 p 接近0或1、样本量小时覆盖率明显不足。Bootstrap 百分位区间属于近似方法，其覆盖率依赖样本量、统计量光滑性和分布偏斜程度；BCa 通过偏差校正与加速常数改善偏态与小样本表现，但计算更复杂。实践中应明确：没有“万能最优”区间，只有“在给定样本量、分布形态和统计量下表现更稳”的区间。

评估区间优劣的标准

建议从四个维度建立评估框架：覆盖率——在重复抽样实验中经验覆盖是否接近名义水平，是否严重低于名义值；区间长度——同等覆盖下越短越好，反映精度；稳定性——重复抽样下区间端点波动是否过大，是否出现异常宽或异常窄的区间；对称性与边界行为——对偏态统计量，百分位区间可能不对称，需检查端点是否越界或退化。可用如下检查表在示例数据上做一次小规模模拟评估（以下参数为教学示例设定，非实测结果）：

最后要强调：报告置信区间时，应同时说明构造方法（百分位、BCa或正态近似）、名义置信水平、样本量与Bootstrap重复次数。只给一个区间而不交代方法，读者无法判断其覆盖表现，也无法复现。频率学派的严谨性正体现在这里——区间不是终点，可重复的构造程序与可检验的覆盖性质才是评估区间优劣的根本依据。