二项式置信区间数值估计：双二项分布参数不确定性量化问询

针对你提出的两个独立二项分布参数差的置信区间估计问题，我整理了几种常用且实用的数值估计方法，每种方法都有明确的适用场景和计算逻辑，你可以根据自己的样本情况选择：

1. 正态近似法（Wald区间） #

• 适用场景：当两个样本量都足够大时（行业通用参考标准：$n_1p_1$、$n_1(1-p_1)$、$n_2p_2$、$n_2(1-p_2)$均≥5），正态近似的效果足够好，适合快速计算。
• 计算步骤：
  1. 先计算参数差的点估计：$\hat{d} = p_1 - p_2$，其中$p_1 = \frac{k_1}{n_1}$，$p_2 = \frac{k_2}{n_2}$
  2. 计算标准误：$SE = \sqrt{\frac{p_1(1-p_1)}{n_1} + \frac{p_2(1-p_2)}{n_2}}$
  3. 对应置信水平$1-\alpha$的Z临界值（比如95%置信水平取$Z_{\alpha/2}=1.96$），置信区间为：
     $\hat{d} \pm Z_{\alpha/2} \times SE$
• 注意事项：如果样本量偏小，或者$p_1$、$p_2$接近0或1，这个方法的偏差会比较明显，不建议使用。

2. 连续性修正的正态近似法 #

• 适用场景：样本量中等，正态近似略有偏差时，通过连续性修正来提升区间的准确性。
• 计算逻辑：
  在Wald区间的基础上，对上下限加入连续性修正项。以95%置信区间为例，修正后的区间为：
  $\hat{d} - Z_{\alpha/2} \times SE - \frac{1}{2}(\frac{1}{n_1} + \frac{1}{n_2}) \leq p_1-p_2 \leq \hat{d} + Z_{\alpha/2} \times SE + \frac{1}{2}(\frac{1}{n_1} + \frac{1}{n_2})$
  （修正项的符号要确保区间在合理范围内，比如如果下限计算后小于-1，就截断到-1；上限大于1则截断到1）

3. 精确法（Clopper-Pearson区间的差值版本） #

• 适用场景：样本量很小，或者$p_1$、$p_2$接近0/1，需要严格保证置信水平的场景。
• 计算逻辑：
  这个方法直接基于二项分布的累积概率来推导，核心是找到所有满足联合概率$P(X_1=k_1, X_2=k_2 | p_1-p_2=d)$不低于某一阈值的$d$值范围。手动计算非常繁琐，一般借助统计工具实现（比如R语言中的prop.test()函数，或者Python的statsmodels库相关模块）。
• 优缺点：优点是能严格保证置信水平不低于设定值；缺点是计算成本高，得到的区间通常比近似法更宽。

4. 得分区间（Score Interval，Wilson区间的差值版本） #

• 适用场景：比Wald区间更稳健，即使样本量不大或者$p$接近0/1时也能有较好的表现，是很多统计教材优先推荐的方法。
• 计算逻辑：
  基于得分统计量构建区间，需要求解关于$d$的方程：
  $\frac{(\hat{d} - d)^2}{\frac{\tilde{p}_1(1-\tilde{p}_1)}{n_1} + \frac{\tilde{p}_2(1-\tilde{p}_2)}{n_2}} = Z_{\alpha/2}^2$
  其中$\tilde{p}_1$和$\tilde{p}_2$是包含$d$的修正概率估计（满足$\tilde{p}1 - \tilde{p}2 = d$，且$\tilde{p}1 = \frac{k_1 + Z{\alpha/2}^2/2}{n_1 + Z{\alpha/2}^2}$，$\tilde{p}2 = \frac{k_2 + Z{\alpha/2}^2/2}{n_2 + Z{\alpha/2}^2}$）。这个方程一般需要数值迭代求解，统计软件可以直接输出结果。

内容的提问来源于stack exchange，提问作者ConstantAmateur