作为非统计专业的同学，关于置信区间，你需要了解什么？

废话不多说，直接看题

题自潘承毅《概率论与数理统计》

读完一遍题以后，大家应该对置信区间有了初步的了解。
我们作如下总结：

1. 置信区间是干嘛的

我们有一个变量（糖果的平均重量），我们去估计它，我们直接说它是多少多少，不够严谨。
别人要挑刺了，你这原始数据能代表全部吗，谁给你的自信？
哎，怕了怕了，我们不莽了，谦虚点谦虚点
说：我不确定这个平均值是多少，但我敢肯定，它在什么什么范围内？
别人又要挑刺儿了，你这个范围太小了！你有多少把握自己的话没有错误呢？
哎，95%吧（杠回去）

总体来看，置信区间就是干了这么个事，回答一个问题，目标对象是平均重量会落在哪个区间内。

2.适用范围

上图所示当然是最简单的情况，在教科书里，置信区间的估计有以下分类：
变量个数：单个变量、多个变量
是否已知平均值、方差
变量服从的分布：正态分布和0-1分布
估计对象：平均值、方差
每一种类别都有很成熟的解法，我们只需要按图索骥即可。
比如，遇到了上图所示的问题，我们上图所示（5.4）即可。下图是书上的总结：

作为非统计专业的同学，关于置信区间，我们只要会查表就行！
怎么查呢？

1. 明确是否为正态分布（一般都是）
2. 明确待估参数（一般都是平均值）
3. 变量分布的其他参数是否已知（一般未知）
4. 选好以上三点，就可以参照上表或者教科书，套公式，解决问题了。

3. 案例

写这篇文章的原因是昨晚看到一段代码，手动画出了置信区间上下界曲线。
没看懂，放到这里，大家一起看一下。
原链接
下面是原文的代码

import numpy as np
import matplotlib.pyplot as plt
import scipy.stats as stats
np.random.seed(8)

def fit_plot_line(x=[], y=[], ci=95):

    alpha = 1 - ci / 100
    n = len(x)

    Sxx = np.sum(x**2) - np.sum(x)**2 / n
    Sxy = np.sum(x * y) - np.sum(x)*np.sum(y) / n
    mean_x = np.mean(x)
    mean_y = np.mean(y)

    # Linefit
    b = Sxy / Sxx
    a = mean_y - b * mean_x

    # Residuals
    def fit(xx):
        return a + b * xx

    residuals = y - fit(x)

    var_res = np.sum(residuals**2) / (n - 2)
    sd_res = np.sqrt(var_res)

    # Confidence intervals
    se_b = sd_res / np.sqrt(Sxx)
    se_a = sd_res * np.sqrt(np.sum(x**2)/(n * Sxx))

    df = n-2                            # degrees of freedom
    tval = stats.t.isf(alpha/2., df) 	# appropriate t value

    ci_a = a + tval * se_a * np.array([-1, 1])
    ci_b = b + tval * se_b * np.array([-1, 1])

    # create series of new test x-values to predict for
    npts = 100
    px = np.linspace(np.min(x), np.max(x), num=npts)

    def se_fit(x):
        return sd_res * np.sqrt(1. / n + (x - mean_x)**2 / Sxx)


    # Plot the data
    plt.figure()

    plt.plot(px, fit(px), 'k', label='Regression line')
    plt.plot(x, y, 'k.')

    x.sort()
    limit = (1 - alpha) * 100
    plt.plot(x, fit(x) + tval * se_fit(x), 'r--', lw=2,
             label='Confidence limit ({0:.1f}%)'.format(limit))
    plt.plot(x, fit(x) - tval * se_fit(x), 'r--', lw=2)

    plt.xlabel('X values')
    plt.ylabel('Y values')
    plt.title('Linear regression and confidence limits')
    plt.legend(loc='best')
    plt.show()
    
# generate data
mean, cov = [4, 6], [(1.5, .7), (.7, 1)]
x, y = np.random.multivariate_normal(mean, cov, 80).T

# fit line and plot figure
fit_plot_line(x=x, y=y, ci=95)

下图是代码效果：

最让我困惑的是，散点大部分都落在了红线区域外，这还能称作95%的置信区间？
翻完课本，现在来看一下实现细节。

# generate data
mean, cov = [4, 6], [(1.5, .7), (.7, 1)]
x, y = np.random.multivariate_normal(mean, cov, 80).T

首选是产生了随机数据，产生方式是规定了方差和平均值，因此样本分布可以定为正态分布。

    # Plot the data
    plt.figure()

    plt.plot(px, fit(px), 'k', label='Regression line')
    plt.plot(x, y, 'k.')

    # Linefit
    b = Sxy / Sxx
    a = mean_y - b * mean_x

    # Residuals
    def fit(xx):
        return a + b * xx

套用一元回归模型画出了回归线和散点

对比书上这个例题，我们可以发现，该问题是两个独立的变量，只不过求解对象不是样本均值差。
但我们可以确定①正态分布②两样本独立，只有测得的平均值和标准差，符合t分布③研究对象是一元线性回归模型

百度 一元线性回归模型的置信区间，很快啊，翻到了公式：
链接

显然两条红线的绘制参考了式（2.5.7），采用了t分布，一切都符合预期。

4. 写在最后

到这里可以回答最初的问题了。
那么多散点落在了红线外边，怎么还就95%了呢？
首先，95%指的是回归直线是95%的正确率。
回归直线本身就应该通过散点图的正中心，代表分布趋势。
所以，置信区间不是越大，囊括越多点，越好（当然，囊括点越多，置信度越高），我们要搞清楚研究对象是什么。
重要的不是“置信区间的细节”，而是，它能做什么，怎么套公式，去哪里找公式。