จริงๆแล้วไม่มีคำอธิบายใดที่ถูกต้อง
วงรีความเชื่อมั่นเกี่ยวข้องกับพารามิเตอร์ประชากรที่ไม่ได้รับการตรวจสอบเช่นค่าเฉลี่ยประชากรจริงของการแจกแจงไบวาริเอตของคุณ วงรีความมั่นใจ 95% สำหรับค่าเฉลี่ยนี้เป็นอัลกอริธึมที่มีคุณสมบัติต่อไปนี้: หากคุณต้องทำซ้ำการสุ่มตัวอย่างจากการแจกแจงหลายครั้งและทุกครั้งที่คำนวณวงรีความเชื่อมั่น 95% ของจุดไข่ปลาที่สร้างขึ้นจะประกอบด้วย ค่าเฉลี่ย (โปรดทราบว่าแน่นอนว่าตัวอย่างแต่ละตัวอย่างจะให้วงรีที่ต่างกัน)
ดังนั้นวงรีความเชื่อมั่นมักจะไม่ได้มี 95% ของการสังเกต ในความเป็นจริงเมื่อจำนวนการสังเกตเพิ่มขึ้นค่าเฉลี่ยมักจะดีขึ้นและประมาณการดีขึ้นซึ่งนำไปสู่จุดไข่ปลาที่มีความเชื่อมั่นน้อยลงซึ่งจะมีสัดส่วนของข้อมูลจริงที่เล็กลงและเล็กลง (น่าเสียดายที่บางคนคำนวณวงรีที่เล็กที่สุดที่มีข้อมูล 95% ของพวกเขาซึ่งชวนให้นึกถึง quantile ซึ่งโดยตัวมันเองก็ค่อนข้างโอเค ... แต่จากนั้นไปเรียกสิ่งนี้ว่า "quantile ellipse" a "ellipse มั่นใจ" ซึ่ง นำไปสู่ความสับสน)
ความแปรปรวนของประชากรพื้นฐานเกี่ยวข้องกับวงรีความเชื่อมั่น ความแปรปรวนสูงจะหมายความว่าข้อมูลอยู่ทั่วสถานที่ดังนั้นค่าเฉลี่ยจึงไม่ดีดังนั้นความเชื่อมั่นวงรีจะใหญ่กว่าถ้าความแปรปรวนน้อยกว่า
แน่นอนเราสามารถคำนวณจุดไข่ปลาความเชื่อมั่นสำหรับพารามิเตอร์ประชากรอื่น ๆ ที่เราอาจต้องการประเมิน หรือเราอาจดูภูมิภาคความเชื่อมั่นอื่นที่ไม่ใช่จุดไข่ปลาโดยเฉพาะอย่างยิ่งถ้าเราไม่ทราบว่าพารามิเตอร์ที่ประมาณไว้นั้นจะกระจาย (แบบเชิงเส้น) ตามปกติ
อะนาล็อกหนึ่งมิติของวงรีความมั่นใจคือช่วงความมั่นใจและการเรียกดูคำถามก่อนหน้านี้ในแท็กนี้มีประโยชน์ คำถามยอดนิยมปัจจุบันของเราในแท็กนี้ดีเป็นพิเศษ: เพราะเหตุใด 95% CI จึงไม่ได้หมายถึงโอกาส 95% ที่มีค่าเฉลี่ย การอภิปรายส่วนใหญ่มีการถือครองเช่นเดียวกับ analogues มิติที่สูงขึ้นของช่วงความมั่นใจหนึ่งมิติ