统计推论家庭作业帮助
统计学的核心在于统计推理的思想。统计推断方法使调查人员能够从一般情况下的样本中的特定观察结果中争辩。与从一般情况到具体情况的逻辑推算相反，统计推断有时可能不正确。然而，二十世纪伟大的智力进步之一是认识到可以在许多高度可变的观察的基础上发展强大的科学证据。
统计推断的主题远远超出了统计数据描述和显示数据的历史目的。它涉及收集信息数据，解释这些数据，并得出结论。统计推理包括获取知识的所有过程，这些知识涉及通过收集和检查数据的事实查找。这些过程与民意调查，农业现场试验，新药临床试验以及异种新材料的性质研究一样多样化。因此，统计推断已渗透到人类努力的所有领域，信息评估必须以数据为依据。
所有研究涉及到通过收集和解释数据进行事实调查的一些特征是常见的。首先，为了获取新知识，必须收集相关数据。第二，即使在相同或非常相似的条件下进行观察，一些变化也是不可避免的。为统计推断确定阶段的第三个因素是，从实际的角度来看，访问一整套数据是不可行的，或者实际上是不可能获得的。
为了更全面地描述统计推断，有必要介绍几个关键术语和概念。进行统计推断的第一步是通过具有称为参数的关注数字特征的概率分布来模拟人口。只有当样本可用时，我们才想出现关于人口概括的统计推断问题。
基于样本的统计信息必须作为参数的信息来源。指导统计推理程序的制定
因为样本只是人口的一部分，数字
统计值的值不会是参数的确切值。
统计数据的观察值取决于具体情况
样品选择。
统计值的一些变异性，不同
样品是不可避免的。
推理问题的两个主要类别是对参数的估计和测试关于参数值的假设。第一类由点估计器，参数值的单个数量估计和间隔估计组成。通常，间隔估计指定参数的合理值的间隔，但子类还包括用于将来观察的预测间隔。假设的测试提供了关于参数是否在指定的值区域中的是/否答案。
因为统计推断是基于一个样本，它们有时会出错。因为参数的实际值是未知的，假设的测试可能会产生错误的是/否应答，并且合理值的间隔可能不包含参数的真实值。
统计推论或从样本到人口的概括，建立在对通过抽样传播统计学变化的方式的理解的基础上。大多数介绍性文本（见Johnson和Bhattacharyya [11]，Johnson，Miller和Freund [12]）扩大了对这些主题的讨论。
有两种主要方法，频率和贝叶斯，用于进行统计推断。两者都是基于可能性，但它们的框架完全不同。
频率函数将参数视为固定但未知的数量，用于分配样本中的变化。然后，频频器试图通过控制这些错误的可能性来防止推理中的错误。概率的长期相对频率解释保证如果实验重复多次，只有少部分次数将产生不正确的推论。最重要的是，在许多不同的问题中使用这种方法保持错误的整体比例很小。
相反，贝叶斯认为未知参数是随机变量，并且在采样前分配参数的先验分布。在获得数据之后，贝叶斯乘以先验分布的可能性，以在适当的归一化之后获得参数的后验分布。根据调查的目的，使用后验分布的相关特征或特征进行推论。平均值通常是合适的点估计器，并且最高后验密度的合适区域给出合理值的间隔。
更一般来说，根据贝叶斯方法，分配给任何未知或不确定的东西。一旦数据被知道，使用条件概率的适当定律更新先前的分布。参见Box和Tiao [1]和Gelman，Carlin和Rubin [8]讨论了贝叶斯统计推理方法。
频率和贝叶斯方法都需要统计推断，模型检验的第二阶段。数据是否与模型一致，还是以某种方式修改模型？模型检查通常是主观的，并且依赖于图形诊断。
- R. Cox [4]给出了统计推断的很好的介绍，他也比较了贝叶斯和频率方法，并突出了许多基于他们差异的重要问题。
设计实验的出现大大增加了对方法，药物或程序之间的差异进行统计推断的机会。 R. A. Fisher先生开创了实验设计和他们分析的发展，他称之为“下划线”（下划线），下划线（VaR）（ANOVA）。 Box，Hunter和Hunter [2]以及Seber和Lee [17]以及其中的参考资料提供了全面的报道。
我们在家庭作业中通过提供高质量的统计推理帮助，在空间上树立了自己的突出地位。您可以通过点击“提交您的”标签上传统计推理/统计推理家庭作业或统计推理项目。任何有关统计推理/统计推理家庭作业或统计推理项目的帮助。
