点估计代表我们对总体参数的“最佳估计”。
例如，样本平均值可以用作总体平均值的点估计。
类似地，样本比例可以用作总体比例的点估计。但是，有多种方法可以计算人口比例的点估计，包括：
估计 MLE 点：x / n
估计威尔逊点：(x + z 2 /2) / (n + z 2 )
杰弗里点估计：(x + 0.5) / (n + 1)
拉普拉斯点的估计：(x + 1) / (n + 2)
其中x是样本中的“命中”数， n是样本大小或试验次数， z是与置信水平相关的 z 分数。
要找到最佳点估计，只需在下面的框中输入成功次数、试验次数和置信度的值，然后单击“计算”按钮即可。
成功次数 (x)试验次数 (n)置信度 (%)
最佳估计 = 0.45695
估计 MLE 点 = 0.45161
估计威尔逊点 = 0.45695
杰弗里点估计 = 0.45313
估计拉普拉斯点 = 0.45455
该计算器使用以下逻辑来确定最好使用哪个点估计：
如果x/n ≤ 0.5 ，则使用威尔逊点估计。
否则，如果x/n < 0.9 ，则使用 MLE 点估计。
否则，如果x/n < 1.0 ，则使用杰弗里点或拉普拉斯点估计中较小的一个。
否则，如果x/n = 1.0 ，则使用拉普拉斯点估计。