核心要点
正确定义 CI 是参数的区间估计（频率解释）
能写出均值的 CI 公式直觉
知道 CI 与假设检验、效应量的关系
简要回答
置信区间是在重复抽样下，有指定比例（如 95%）会覆盖真实参数值的区间范围；比单点估计更能表达不确定性，是推断统计的核心工具。
标准回答
一、先把概念边界说清楚
置信区间（CI） 是基于样本构造的随机区间，在重复抽样中，有 1−α 比例（如 95%）的区间会包含未知总体参数（如均值 μ）。
二、常见形式
（正态、σ 未知）：x̄ ± t_{α/2, n−1} · (s/√n)
三、重要性
置信区间最重要的价值是让候选人能把“不确定性”说清楚，而不是只报一个点估计。比如 A/B 测试里，提升率是 2% 还不够，还要看 95% CI 是否跨过 0；药物或模型效果评估里，也要看区间是否越过业务上可接受的非劣界。
可以按三句话展开：第一，量化不确定性，CI 宽度反映样本量与方差；第二，连接假设检验，95% CI 不含某个值通常对应双侧检验在 α=0.05 下拒绝该值；第三，支持决策，区间太宽时即使点估计好看，也说明证据还不够稳定。
四、常见误区
「真实参数有 95% 概率落在本次 CI 内」——参数固定，随机的是区间。详见 概率论基础。
回答思路
【定义】用一句话说清「什么是置信区间？在统计学中为何重要」
【原理】讲清关键机制或步骤（2～3 点）
【例子】举一个真实项目、论文或产品中的例子
【对比】与易混淆概念或替代方案比较（如有）
【收尾】总结适用场景 + 一个局限或风险
常见误区
⚠️ 常见踩坑
误区一：容易答偏的地方：只罗列名词、不会举例；混淆相似概念；忽略工程约束（成本、延迟、数据质量）。不确定时应主动说明假设。
追问
追问 1：置信水平 95% 是什么意思？
若重复抽样并每次构造 95% CI，长期约 95% 的区间会盖住真值，5% 不会。说的是方法的长期覆盖率，不是单次区间的概率。
追问 2：CI 越窄说明什么？
估计越精确。窄 CI 可能来自大样本、低方差或较小置信水平（如 90% vs 99%）。比较两组效应应看 CI 是否重叠。
追问 3：Bootstrap 置信区间怎么用？
对样本有放回重采样 B 次，每次算统计量，取 2.5% 与 97.5% 分位数得百分位 Bootstrap CI。不依赖正态假设，适合复杂统计量。
🔗 相似问题
同一考点的不同问法，换着练更稳
延伸学习
按主题分类的相关资源，便于系统复习