根据样本推断总体的分布或退而求其次推断分布的数字特征，都称为统计推断，它是统计 学的核心 ，这之前我们就说过，你作样本的分析不是最终目的，我们最终是要得到总体 的。
而统计推断的问题又可以分为两大类，一类是估计问题，另一类是假设检验问题。很多实际问题中，总体 的分布类型已知，但它包含一个或几个未知的参数，总体的参数完全 由所含参数决定，这样就需要对未知参数做出估计，这种知道总体分布类型，而对分布的未知参数进行估计的问题，称为参数估计，如总体的分布类型未知，则称对总体的估计为非参数估计。我们这里仅讨论参数估计问题，它是数理统计的重要内容之一。
参数估计的问题包括两人类，一类是点估计，就是以某个适当 的统计量的观测值作为未知参数的估计值，另一类是区间估计，就是用两个统计量的观测值所确定 的区间来估计未知参数的大致范围。
3.1 点估计
点估计的中心任务是通过 样本构造参数的估计量，有了估计量便有了估计值，本节就述两个问题，一个是介绍两种常用 的构造统计量的方法，二是建立估计量优良性的评判标准。
若总体有t个未知参数的估计量，在不强调估计量和估计值 的区别时，通常用“估计”这个笼统的称呼。
构造估计量的方法有很多：矩估计法，极大似然法，最小二乘法，贝叶斯方法等。
我们就介绍常用的两人个矩估计与极大似然法。
3.1.1矩估计法
由辛钦大数定律与科尔莫弋罗夫强大数定律知：如果总体X的k阶矩存在，则样本的k阶矩依概率收敛于总体的k 阶矩，样本矩的连续函数依概率收敛到总体矩的连续函数。这就启发我们可以用样本矩的作为总体矩的估计量，这种用相应的样本矩去估计总体矩 的估计方法就称为矩估计法。
3.2 区间估计
点估计给出了总体参数的估计值，虽然简单明确，但我们并不满足，因这是一个近似值，与参数真解总有念头。在点估计中既没有反映近似值的精确度，也不知道 它的偏差范围，这是点估计的缺陷，因此需要寻求另一种方法，希望这种方法能估计出一个范围，并知道这个范围的包含参数真值的可信度，这种形式的估计称为区间估计。
抓住几个概念就好，置信区间，置信度，置信水平，置信下限和置信上限。
注置信度越大，区间也就越长，精度也就越差。