在本节中，主要讨论点估计、区间估计和假设检验的内容。其中，点估计和区间估计均属于参数估计的范畴。所谓参数估计（或母数估计）（estimation of parameters），就是通过从总体中抽取的样本所提供的信息，对总体的特征进行估计，即从局部结果推论总体的情况。
一、点估计
点估计（point estimation）是指当总体参数不清楚时，用一个特定的点值（一般常用样本统计量）对总体参数进行估计。如用样本平均数
估计总体平均数μ，对总体方差σ2的估计，常用样本方差S2。
用样本统计量作为总体参数的估计值，总是有一定的偏差，一个好的估计量应具备：（1）无偏性：指如果用多个样本的统计量作为总体参数的估计值，有的偏大，有的偏小，而偏差的平均数为0；（2）一致性：是指当样本容量无限增大时，估计值应越来越接近它所估计的总体参数；（3）有效性：是指当总体参数的无偏估计不止一个统计量时，无偏估计变异性小者有效性高，变异大者有效性低；（4）充分性：是指一个容量为n的样本统计量应能充分反映出该n个数据所代表的总体信息，如算术平均数比中数、众数的充分性高。
即使一个好的点估计，样本统计量满足了上述四个条件，它对总体参数的估计仍是以误差的存在为前提的，而且不能提供正确估计的概率，采用点估计时，我们只知道样本容量较大时多数
靠近u，但大到什么程度，靠近的程度都无法知晓，这时就必须借助于区间估计。
二、区间估计
区间估计（interval estimation）是用数轴上的一段距离，即置信区间（或信赖区间）（confidence interval）来表示未知参数可能落入的范围，它虽不具体指出总体参数等于多少，但能指出总体的未知参数可能落入某区间的概率有多大。置信区间是在一定的置信度（显著性水平）下建立的，总体参数落在这个区间内可能犯错误的概率等于置信度。
区间估计的原理是样本分布理论。进行区间估计值的计算及估计正确概率的解释，是依据样本统计量的分布规律及样本分布的标准误（SE）。样本分布可提供概率解释，标准误的大小则决定区间估计的长度，标准误越小，置信区间就越短，估计的正确概率也就越高，减少标准误的方法是增大样本容量。
区间估计的种类很多，主要有总体平均数的区间估计、总体百分数的区间估计、标准差和方差的区间估计、相关系数的区间估计。
其中，总体平均数区间估计的计算步骤为：
1.根据实得样本的数据，计算样本的平均数与标准差。
2.计算标准误。
3.确定显著水平。
4.根据样本平均数的抽样分布，确定t值表。
5.确定并计算置信区间。
总体参数u的置信区间写成：
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
