在上面三節中，我們不外在學習一些準備知識，大概來說，我們想這樣做：
一般情況下我們假設某一社會現象服從某一型分佈函數，希望了解這個類型的分佈函數，可以進一步了解分佈函數的內涵。
但是，一個分佈函數裏面仍包涵著幾種特性，出現在概率函數的數學代表式中，
便是它的參數，例如在二項分佈中的P，
在波爾松型分佈的λ，和在常態分佈中的μ和 。
例如在上談到的全年國民收入中，我們可以假設這個收入是一個機隨變數，
它服從一個常態分佈函數（若次數很大，一般情形。用中心極限定理來逼近，說估計量趨近常態分佈也。）
但是我們不知道這個常態分佈函數的參數μ和是多少，我們仍要下功夫去猜測，
然後才能知道分佈函數，也就是說才知道原來的現象是怎樣。
一般說來，我們回到最原始找測度的問題了。參數是常數，最少也屬於由數據觀點看來的常數，
是可以由數據進而猜測決定的。所有參數皆是由測度決定的，雖然測度有時不止於參數，
（例如在無母分析上面。）但參數即使不是單由測度決定，也可以由他的函數所決定。因此，
我們由原始到結束，就說明了目的全在找「測度」，
整個統計就建立在猜測這個測度是什麼這個問題上。
在一個參數分析的方法上，過程是這樣子的：
假設我們所要知道的社會現象是服從某一型(如常態)分佈函數。
我們想確定一下它是一個怎樣子的常態分佈，那麼只要測度出參數是什麼就夠了。
因為參數一定，整個分佈函數就定下來了。
許多情形也可以證明不需要全部應用所有數據，我們只需從母數數據中，
抽出一部份隨機而具代表性的樣本，從這樣來找出一些統計量，來測度那些參數的值。
這樣子已到了統計推論了。推論的意思自然和由小樣本推論到大樣本。
另一方面也是為了利用測度來預測參數乃至整個分佈函數。我們舉推論的常用方法為例。
- (一)統計檢定：
統計檢定傳統方法是，先假設參數適合一些條件，如等於某個數值，
然後抽一樣本和利用這樣本計算出一個測度，(由一些理論方法如類似函數比率檢定所找到的檢定統計量)，
把這測度和原先假設的數值比較便可以知道原來假設對不對了。
- (二)估計：
估計是直接猜測參數的真值，由抽樣出來的數值，算出一個測度，用它來估計參數的值。
例如在母數的假設為常態分佈時，我們常用樣本算出來的平均值，用來估計母數的數學期望值，即常態分佈中的μ值。又例如我們也會用樣本出來的方差，來估計母數的方差，即常態分佈中的。
用數學方程式寫出來，我們是說：利用樣本平均數，統計量
（其中xi代表樣本中的數據）用來作測度，來估計母數平均數μ。
或利用樣本方差，統計量
來估計母數方差
至於為什麼要用 和S2呢，這裏面就涉及了統計一些原理了。
|
