日常计算 / CLEARBYTE
Wilson 区间表:转化率背后的不确定性
同为观察到 10% 转化率,100 次合格试验比 10,000 次更不精确。Wilson 区间反映二项模型的抽样不确定性,不证明广告版本更好,也不保证未来流量相同。
Wilson 区间表:转化率背后的不确定性
| 合格独立试验数 | 观察成功数 | 观察比率 | 95% Wilson 下界 | 95% Wilson 上界 |
|---|---|---|---|---|
| 100 | 10 | 10.00% | 5.52% | 17.44% |
| 500 | 50 | 10.00% | 7.67% | 12.94% |
| 1000 | 100 | 10.00% | 8.29% | 12.02% |
| 5000 | 500 | 10.00% | 9.20% | 10.86% |
| 10000 | 1000 | 10.00% | 9.43% | 10.60% |
公式与方法
p̂ = successes ÷ n; z = 1.959963984540054
Center = (p̂ + z²/(2n)) ÷ (1 + z²/n)
Half-width = z × √(p̂(1−p̂)/n + z²/(4n²)) ÷ (1 + z²/n)
Interval = center ± half-width假设每次试验独立、只有两种结果且成功概率相同。各行观察率均为 10%,仅样本量变化。采用双侧名义 95% Wilson 得分区间,百分比边界保留两位小数。置信水平描述程序长期覆盖率,并非看完数据后固定未知率有 95% 概率落在区间内。反复检查或只选优胜分组需额外处理。
计算示例
100 次中成功 10 次与 10,000 次中成功 1,000 次均为 10%。在相同模型假设成立时,后者区间明显更窄。
哪些因素会改变结果
重复用户、相关会话、机器人和受众变化可能违背二项假设。这是单样本区间,不是 A/B 检验、因果估计或样本停止规则。
来源与定义
方法核验日期: