区间估计是数理统计中的一个重要部分，本文研究了一个最基本分布：二项分布中的参数区间估计问题．鉴于该问题的重要性，在教科书中有着统一的表达式．在文献中，对此问题也有很多更深层次的研究与交待，并提出了若干人们已经达成共识的置信区间．　　然而我们通过理论推导和精细的数值计算发现，由于二项分布的离散性，这些置信区间的特性，如：覆盖概率、覆盖效率、期望长度等实际表现为当参数固定时随着观测次数变化，或当观测次数固定时随着参数变化而发生强烈震动．我们发现：当参数固定时，会出现样本量增加而覆盖概率下降的反常现象，即存在所谓的“不幸点”问题．　　同时，我们在给出置信区间时还要考虑到它的区间长度，节约成本等问题．基于这些，我们主要开展了以下两个方面的研究：一方面利用理论推导和数值计算的方法对现有的若干置信区间如：Wald置信区间、Wilson置信区间、Bayes置信区间等进行分析和比较，发现了一些缺陷，针对这些缺陷，我们进行适当的修正，并得到几种性质较好的置信区间，如A-C置信区间：和wilson区间：另一方面对于这些方法进行了性质上的比较，得出了一些结论并提出了自己的看法，如：可以利用函数问的关系、利用序贯方法进行二阶段估计等，具有很好的参考价值．