区间估计把样本中的信息表达为参数的一段范围。理解这段范围，需要区分固定的总体参数与随抽样变化的区间。在频率学派框架中，同一模型的参数固定，而每次样本都可能产生不同端点。95% 置信水平描述区间构造程序的覆盖目标：在相应模型与条件下，重复产生的区间约有 95% 包含真参数。
覆盖率属于区间构造程序
一次区间计算完成后，端点已经确定，参数是否在内是尚未知晓的事实。重复抽样解释中的随机对象是整套可能生成的区间，而非参数本身。因而置信水平不会给固定参数新增概率分布。不同的参数概率解释需要额外的概率模型，例如贝叶斯方法中的先验与后验。
区间宽度反映抽样信息的精度，标准误 是许多构造方法的基础。不过，较窄区间只有在相应模型与研究设计下才能获得覆盖解释；系统性选择偏差、依赖或错设不会因宽度缩小而消失。区间构造 以比例和均值说明这些条件。
名义水平与实际覆盖率
名义水平是构造时设定的目标，实际覆盖率则是给定真实参数时区间包含它的概率。离散二项模型中，可出现的计数有限，区间端点随计数改变，覆盖率因而随 起伏。近似区间还可能受到有限样本误差的影响。Wilson 通常比普通 Wald 稳定，仍不保证所有参数点均达到 95% 覆盖。
对于二项模型，可以逐一判断各可能计数生成的区间是否包含给定参数，再累加相应计数概率，得到实际覆盖率。仿真则反复生成样本，以覆盖的相对频数估计这一概率。仿真结果为 94.9% 时，其与目标的差异还包含 Monte Carlo 误差；重复次数有限，不能把估计值本身当成精确覆盖率。仿真检验 与 运行结果 展示了这两种计算。
区间与检验也有联系：与同一检验方法匹配的区间，可由未被拒绝的候选参数集合构成。解释这种对应时，应保留检验方向与程序条件，见 检验。
返回 概念索引。