统计基础

统计基础概念

统计学是根据样本的情况去推断总体的情况，很大部分统计分析都基于概率。统计学首先还是要研究已知现象的规律，然后去推断总体的情况。其第一步使用的方法有很多，如果处理的对象是随机变量，则会使用到概率论的方法。如果处理的对象是存在关联关系的多元变量，则可能使用回归分析等方法。研究出规律后，还需要去评估这些规律是否能很好的代表总体的情况。

总体：所要考察对象的全体叫做总体。根据研究目的确定的同质观察单位的全体。更确切地说，它是根据研究目的确定的同质观察单位某种变量值的集合。

个体：构成总体的每个成员，叫做个体。

样本：从总体中所抽取的一部分个体叫做总体的一个样本。由总体中随机抽取部分观察单位的变量值组成。样本是总体中有代表性的一部分。主要样本是一个群体概念，表示表示单个的意思，注意跟样品的概念进行区分。最常见的抽样方法，比如“简单随机抽样”。

样本的容量是有限的，不可能包含总体中的所有个体，假如样本中包含了n个个体，则n称为样本容量，简称为样本量。从总体中抽取的样本总是希望能够很好的代表总体。

样品：个体也是构成样本的成员，在样本中把个体称作样品。

统计量：统计量是统计理论中用来对数据进行分析、检验的变量。对一个考察对象而言，总体是不可知道的，能拿来分析的只有样本，而统计量是只依赖于样本x1,x2,…xn的变量。也就是统计量就是对样本中的样品进行运算转换得来的变量，经过一些处理后，也就有了特定的物理含义，可以作为评价样本，并进一步评价总体的有价值变量。例如，样本均值（即α1）和样本方差是常用的两个统计量，前者反映总体中心位置的信息，后者反映总体分散情况。

参数估计：根据样本的统计量去估计相应总体的参数的过程，即是参数估计。比如根据样本的均值估计总体的均值。参数估计有两种：点估计和区间估计。

点估计：用样本量作为总体参数的估计值就是点估计。比如把样本的均值作为总体的均值，就是点估计。点估计的方法常用的有矩法和极大似然法。

区间估计：样本相对于总体其样本容量总是有限的，所以统计量正常总是趋近于总体的参数，而不会是完全等于总体的参数。所以我们往往在点估计的基础上包裹上一个邻域，即得到一个区间估计。

点估计周围的这个邻域的大小是怎么确定的呢？一个最直接的答案就是：确定一个百分比，p%，使得给定任意数据集（样本），参数的估计值（estimation），也就是这个样本的统计量落在这个邻域内的概率为p%。那么，确定邻域大小的问题就变成了确定参数估计量（estimator）分布的问题了。