什麼是點估計計算器？
所謂「點估計」，就是用單一數值來最佳猜測未知的母體參數，這裡指的是「比例」。當你在 n 次試驗中觀察到 x 次成功時，這個計算器會幫你算出幾種常見的母體比例 p 點估計值。最為人熟知的是最大概似估計（MLE），也就是 x/n；但在樣本數很少、或成功次數落在極端值（0 次或 n 次）時，改用 Laplace、Jeffreys 與 Wilson 等「平滑化」估計式，往往更為穩健。
使用方式
輸入成功次數（x）與試驗總次數（n），計算器會立即顯示原始樣本比例，外加三種修正後的估計值。樣本數大、資料表現正常時，採用 MLE 即可；當 n 偏小，或 x 接近 0 或接近 n 時，建議改用 Laplace 或 Wilson，因為它們不會傳回剛好等於 0 或 1 的結果。
公式解析
MLE：
\hat{p}_{MLE} = ((Successes (x)) ÷ (Trials (n)))
Laplace（加一法）：\hat{p}_{Laplace} = ((Successes (x) + 1) ÷ (Trials (n) + 2))
Jeffreys：\hat{p}_{Jeffreys} = ((Successes (x) + 0.5) ÷ (Trials (n) + 1))
Wilson 點估計：\hat{p}_{Wilson} = ((Successes (x) + ((z^{2}) ÷ (2))) ÷ (Trials (n) + z^{2})), z = 1.96
這是 Wilson 分數信賴區間的中心點，95% 信賴水準時 z = 1.96。每一個平滑項都會把估計值溫和地往 0.5 拉，藉此降低小樣本的偏誤與變異。
實例演算
假設 10 次試驗中有 8 次成功。
MLE = 8/10 = 0.8
Laplace = (8+1)/(10+2) = 9/12 = 0.75
Jeffreys = (8+0.5)/(10+1) = 8.5/11 ≈ 0.7727
Wilson 取 z^{2}=3.8416：(8 + 1.9208)/(10 + 3.8416) = 9.9208/13.8416 ≈ 0.7168
可以看到，平滑化後的估計值都把原始的 0.8 往中央方向拉近了一些。
使用注意事項與精準校對原則（6 大核心守則）
📐 1. 嚴格對齊輸入量綱與單位
輸入各項數值時請務必確認量綱（例如小時、天數、金額、百分比），避免單位不匹配引發推算偏差。
🔒 2. 純前端本機毫秒級隱私保障
所有計算邏輯 100% 在您的終端瀏覽器內完成，資料絕不上傳伺服器，嚴格守護商業與個人隱私。
📊 3. 符合公認學術與產業計算模型
演算法嚴格遵循國際通用數學公式與標準計算模型，經多重情境交叉核對，數值嚴密精確。
📋 4. 一鍵複製與免登入 PDF 匯出
支援一鍵複製推算結果字串至剪貼簿，亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。
🔄 5. 多情景敏感度動態對比
建議針對極端值與多組預期情景分別試算，觀察輸出數據的波動區間，輔助做出更穩健的決策。
🛡️ 6. 專業諮詢與日常參考免責聲明
本工具運算結果供日常排程、學業研習與事前參考之用，如涉及重大法規或投資決策請諮詢持證專家。
常見問題 (FAQ)
我該報告哪一個估計值？
一般報告以 MLE（樣本比例）為標準做法。若樣本數少、或遇到罕見事件，Laplace 或 Wilson 會更可靠。
Wilson 為什麼會用到 z？
Wilson 點估計是 Wilson 分數信賴區間的中點，而這個區間取決於你所選信賴水準對應的 \(z\) 值（1.96 約對應 95%）。
如果 x = 0 或 x = n 怎麼辦？
此時 MLE 會給出 0 或 1，這在現實中往往不合理；而平滑化估計式則會回傳嚴格介於 0 與 1 之間的數值。