统计学原理形成性考核册答案2016？
问：统计分析中“假设检验”和“推断理论”有什么区别？ 答：首先，假设检验（Hypothesis Testing）是一个统计概念。它是根据已有的样本量去计算出关于总体的概率，进而通过对比这种概率与某一临界值的大小关系来判定是否应该接受原假设。而推断理论（Inferential Theory）是一类统计方法的统称。这类方法要解决的主要问题就是如何由小样本推到大样本，由有限的数据得到对于未知参数的统计量估计。显然，假设检验属于推断理论中重要而又特殊的一类情况——当参数已知的时候，我们可以把待估的参数作为已知量代入到模型当中然后进行最大似然或者最小二乘估计，获得关于这个参数的各种统计量，然后再通过假设检验的方式对这个参数做出估计。所以说，在大多数情况下，我们首先要利用推断理论的方法获得关于参数的估计量，然后才可能进一步采用假设检验的方法对参数做更具体的分析。
其次，假设检验和推断理论的研究对象不同。假设检验研究的对象是参数估计的问题。对于一个给定的样本，我们通过某种方法（极大似然、最小二乘等）得到一个参数向量，这个参数向量就体现了我们对未知参数的主观估计。随后我们就可以把这个参数向量作为初始值输入到其他公式当中，从而进一步估计其他相关的未知参数。而在整个过程中，我们的初始值选择是否正确（即假设是否成立）将会直接影响着后边的结果。我们通常会把假设检验作为判断这些初始值是否正确的工具。
相比之下，推断理论研究的不是如何获得参数估计的问题，而是如何获得正确（无偏、有效）的参数估计的问题。对于给定的一个模型，我们需要先选定一个特定的参数空间，然后在参数的取值范围内搜索使误差平方和最小的参数值，这个过程往往是不依赖于我们所选择的初始值的。无论我们最初给出的参数估值有多么错误，我们都可以通过反复迭代计算找到最优的参数值。也就是说，只要参数选得足够正确，我们能够找到正确的数值解；如果参数一开始选取时就存在错误，那么无论怎样迭代计算，得到的参数最终也是错误的。所以，假设检验不是判断参数估计是否正确的唯一标准。