统计学（43）-置信区间与P值的关系
（1）置信区间的前缀数字称为置信系数，一般我们习惯用95%, 但这并非唯一选择，根据研究目的也可以用90%、99%等。
（2）置信系数越大，所得的区间越宽；置信系数越小，所得的区间越窄。
（3）置信区间的宽窄反映了对参数估计的精确度，置信区间越窄，说明估计越精确；置信区间越宽，说明估计越不精确，但更为可靠。
（4）我估计一个人的身高在10~300cm 之间，这一说法非常可靠，但是精确度很差，没什么实际价值。
（1）置信区间和P值在做出统计学结论的时候，结果是一样的。
（2）区别在于置信区间只是告诉我们一种概率，即当无效假设成立时，出现当前结果（或者更极端结果）的概率。
（3）但我们并不知道计算的结果与无效假设差别有多大，当样本例数很大时，即使轻微的偏离也会出现一个很小的P值。如无效假设为两组收缩压的差值为0,如果每组例数为10000人，那么即使两组收缩压的差值为0.1,也会出现P<0.05 的结论。但0.1这种差值是否有实际意义呢？仅从P值是看不出来的。
（4）置信区间还可以提示与无效假设的参数偏离有多远，如无效假设为两组收缩压的差值为0,最后计算95%置信区间为(0.1,0.15 ), 这至少提示两点：第一，两组差异有统计学意义，因为置信区间没有包含0; 第二，两组总体的差值并不大，因为我们有95% 的信心认为两组差值在0.1 ~0.15 之间。这说明尽管结果有统计学意义，但从专业角度来看，收缩压差别太少，没有太大的实际价值。这一信息是P值所无法提供的。
置信区间不仅可以看出两组是否有差异，还能说明差异多少，是否有实际价值。
一般来说，样本量越大，计算的置信区间越窄，精度越高，此时P值也会越小。因为样本量越大，抽样误差越小。当样本量跟总体一样多时（相当于普查），就没有抽样误差了，计算的置信区间就窄成了只有一个值。而此时也没有P值了，因为根本不用统计推断，计算的指标已经是参数了，也就没有“样本统计量推断总体参数”这一说法了。
