引用率置信区间怎样计算：小样本与重复问题的边界

引用率需要分子与分母，也需要不确定性说明。不同平台、问题集和功能模式测得的比例不能随意合并；只有固定条件下的有效记录，才适合讨论统计区间。本文数值全部来自合成教学输入，不是客户复测。

先区分三个常被混用的数字

从10%到15%，绝对变化是5个百分点，相对增幅是50%，后期水平是15%。三个数都可以计算，但含义不同。若没有基线、样本与一致口径，不能只凭一个15%结果编出“提升50%”。

另一种范围来自未完成来源核对：已确认引用K条、未决U条、有效回答N条，则范围是K/N到(K+U)/N。这是数据不完整造成的边界，不是95%置信区间。

设n个独立、定义一致的有效回答中有x个官网引用，p=x/n。取z约1.96，Wilson区间用修正中心与半宽计算，避免简单正态近似在小样本或边界处给出不合理范围。

denom  = 1 + z*z/n
center = (p + z*z/(2*n)) / denom
half   = z * sqrt(p*(1-p)/n + z*z/(4*n*n)) / denom
interval = [center-half, center+half]

x=2,n=10得到约5.7%到51.0%。这个宽区间提醒我们，少量回答不足以精确估计稳定水平。n=0不是0%，程序会拒绝；x不能负数，也不能超过n。代码和边界测试见实验程序与材料包。

同题答案往往共享意图、证据页面和平台条件，重复记录可能相关。把50个问题各问3次简单当作150个独立问题，会低估部分不确定性。平台更新或同一会话上下文也可能让不同题之间相关。

本教学选择以问题为簇：每题先求前后平均值差，再对完整的问题簇重采样，保留前后配对。实际设计也可能需要按日期、平台或账号处理更多层级依赖，不能把“按题聚类”当作永远正确的单一方案。

数据共有6题，每题每期重复3次，前期3/18，后期9/18。程序固定随机种子20261002，重采样10000次；实际输出给出的配对差异为0.3333，百分位区间为0到0.6667，即0到约66.7个百分点。

这不是“提升被证明显著”。六个簇本身太少，离散结果与区间不稳定，也没有控制外部混杂。示例的价值是展示计算单位，不是提供可用于商业承诺的精度。Bootstrap的通用方法可参考SciPy文档；本包用NumPy显式重采样问题差异。

前后各算一个区间，然后看是否重叠，不等于完成配对差异检验。相同题的前后结果有关联，应直接分析差值；若是不相关的独立样本，也需要相应比较方法。反复尝试多个问题子集直到得到窄区间，会产生选择偏差。

测试前应明确主要指标、分组和停止规则。对未知来源先补采，对技术失败按预定方式处理，对多个平台分层报告。置信区间不修复标签错误，也不证明网站更新是唯一原因。

计算程序也要有边界测试。x=0,n=10的Wilson下界应为零、上界仍大于零；x=10,n=10的上界为一、下界小于一；x>n和n=0必须拒绝。这里的x、n应来自整数计数，不能把四舍五入后的百分比反推为样本再送入公式。展示百分比时先在完整精度下计算，最后才格式化输出。

如果每题重复次数不同，还要决定问题权重。先求各题比例再平均会使每题权重相等，直接合并全部运行会使重复多的题权重更大。本例每题都是三次，两者点估计恰好一致，但这不意味着在其他采样设计中可以互换。正式报告应同时列独立问题数和运行总数，使读者能看懂两个分母的区别。

假设十条有效回答中两条已确认官网引用，三条来源链接尚未补齐，其余五条已确认未引用。目前能识别的引用比例是20%到50%。这个范围可以通过补采缩小，它来自标签尚未确定，不是通过增加重复次数就能解决。此时直接把“两条命中”代入Wilson，会把尚未判断的三条错误地当成已确认未命中。

只有在全部标签按规则完成，且独立二项假设适用时，前面的Wilson演算才对应那个样本。若实际收集的是六个问题各重复三次，则优先保留问题层级，再选择适合设计的统计方法。把同一个来源卡片重复打开三次不构成三次回答，把同一会话里的追问当成新会话也可能改变依赖关系。

区间宽时不要用更多小数位制造精确感。可以同时报告原始计数、点估计、计算方法和样本限制，保留一到两位有意义的小数。若零次命中，也不代表真实长期概率严格为零；若全部命中，也不代表未来保证100%。这些边界正是小样本区间值得展示的原因。

样本量规划还需要先确定想辨认的差异和问题总体。固定十道品牌题的稳定性不能代表全部行业采购问题。增加题数时应覆盖既定意图结构，不能只添加容易命中的问题；增加重复次数则主要帮助观察同题波动，不能替代问题多样性。当前六簇例子仅用于演示计算，不能据此制定客户效果保底。

智核增长可以给客户看点估计、样本、区间、失败记录与限制，让改进优先级有依据。不能给SuperPDR17%或ELEREIN15%直接补一个区间，因为官网披露数字本身不提供足够的原始分母与相关结构。

正式计算应回到获授权原记录，而不是根据百分比猜样本。继续阅读指标词典、前后归因及实验设计。教学演算不改变任何已公开案例口径。