推断性统计学（一，二）

推断性统计学（一，二）

我之前在上概率论与数理统计这门课的时候，关于推断性统计有很多知识都没有仔细地去看，因此过了一年就忘记了。因此在我马上学习深度学习之际，想对它重新复习一下。所以在Udacity上我选了这门课。
，这一系列的博客就是按照Udacity的《推断性统计学》来写的。
首先Udacity上的这门推断性统计是接着描述性统计课来的。所以它的第一章是在总结描述性统计的内容。但是笔者根本没有看见这段话！因此在一开始学习的时候是懵逼的——为什么直接从第7章开始了？为什么一开始上来就这么多问题？在学了一段时间后，才渐渐从懵逼中缓和。

知识点

点估计与区间估计

点估计(point estimation)是用样本统计量来估计总体参数，因为样本统计量为数轴上某一点值，估计的结果也以一个点的数值表示，所以称为点估计。

区间估计(interval estimation)是参数估计的一种形式。通过从总体中抽取的样本，根据一定的正确度与精确度的要求，构造出适当的区间，以作为总体的分布参数(或参数的函数)的真值所在范围的估计。

以上解释来源于百度百科。

• 点估计的最常见的应用就是矩估计，例如利用抽样均值来估计总体均值。
• 区间估计的最常见应用则是置信区间，这在假设检验中经常使用。

接下来我们要说的Z假设检验就利用了区间估计。

标准误差

标准误差(Standard Error)$\delta_s$是对误差的一种估计，其公式为：

δs=δn‾‾√δ为样本方差，