P帽計算器 - 樣本比例 p̂ 與 q̂

在推論統計中，樣本比例 p̂（讀作「p-hat」）是指樣本中具備特定特徵或符合既定條件的個體所占比例。它是應用研究中最基本的統計量之一，是比例信賴區間、比例假設檢定，以及問卷調查和臨床試驗樣本數計算的基礎。 公式很直接：p̂ = x / n，其中 x 是「成功」次數（具有所關注特徵的觀測數），n 是總樣本數。補數 q̂ = 1 − p̂ 代表樣本中不具備該特徵的比例。p̂ 與 q̂ 相加正好等於 1，共同描述樣本的二元分割。 p̂ 的主要目的，是估計通常未知的真實母體比例 p。由於樣本只是母體的一個子集，p̂ 是隨機變數——其值會隨不同樣本而略有差異。中央極限定理保證，在 n 足夠大時（通常要求 np̂ ≥ 5 且 nq̂ ≥ 5），p̂ 的抽樣分配近似常態分配，其平均數為 p，標準誤為 √(p(1−p)/n)。這個常態近似是最常見比例信賴區間與比例 z 檢定的基礎。 p̂ 的實務應用遍及所有定量領域。在政治民調中，調查機構抽樣數千名可能投票者，並將 p̂ 報告為某候選人的估計支持率，通常還會附上由標準誤推導出的誤差範圍（± 2–3%）。在製造業品質管制中，生產工程師從一批產品抽樣 200 件並計算缺陷比例 p̂，以判斷缺陷率是否在可接受範圍內。在臨床試驗中，主要終點常是對治療有反應的患者比例；治療組的 p̂ 與控制組的 p̂ 構成主要統計比較的基礎。在數位產品的 A/B 測試中，p̂ 是各版本的轉換率。 區分 p̂ 與平均數很重要。平均數概括連續數值資料（平均身高、平均收入），而 p̂ 概括二元類別資料（成功或失敗、是或否、有缺陷或無缺陷）。兩者都是點估計，但遵循不同的抽樣分配，且信賴區間與假設檢定需要不同公式。 報告 p̂ 時，務必同時提供信賴區間與樣本數 n。相較於單獨寫出 0.6，寫成「0.6（95% CI：0.57 – 0.63，n = 1,000）」更有意義。信賴區間傳達估計的精確度，也讓讀者判斷真實比例是否可能高於或低於他們關心的任何門檻。缺少 n 和 CI，p̂ 就是不完整的發現。