首先是抽樣，抽樣解決了用少量估計大量。用樣本估計總體。

樣本可以估計引數，總體的引數。

引數估計就是在已知總體分佈的情況下，估計一些總體的引數，比如說總體均值E(X)，總體方差D(X)。

怎麼估計？點估計和區間估計。

點估計估計的是總體引數，估計的是一個數值。引數估計估計的是一個範圍，引數估計總體引數是定死的，置信區間在總體引數上浮動。

點估計一般有矩估計和極大似然估計。

矩估計？當n->無窮大時，我們認為樣本矩=總體距，根據這個等式，我們可以求解未知的總體引數，比如說有兩個總體引數，我們就列兩個方程去求，一般選用低階距去解決問題。

不同於點估計，點估計出來的是一個值，而區間估計估計出來的是一個區間。這裡不得不說一下樞軸變量了，樞軸變數裡面只有一個待估計的位置引數，這個樞軸變數一般都服從某個分佈，比如說正太分佈，T分佈，那麼我們可以定義一個a，然後在置信水平在1-a下，求出相應的置信區間。總之樞軸變數真的很重要。

假設檢驗就是我他喵的先提出個假設，這個假設可以是關於已知分佈的未知引數的值，也可以是未知分佈的情況下，提出這個分佈有可能是什麼分佈。

假設檢驗的步驟:

提出假設，原假設和備擇假設。
寫出檢驗統計量，在引數估計裡叫做樞軸變數，這個量肯定服從某種分佈。
在給定的顯著性水平a下，求出拒絕域。
帶入樣本求值，看值落入拒絕域還是接受域。

總之不管是引數估計，還是假設檢驗都是統計推斷問題，都是由樣本來推斷一些東西。可以推斷總體的未知引數，總體的分佈。