參數估計與假設檢驗的區別和聯繫
統計學方法包括統計描述和統計推斷兩種方法，其中，推斷統計又包括參數估計和假設檢驗。
參數估計
參數估計就是用樣本統計量去估計總體的參數的真值，它的方法有點估計和區間估計兩種。
點估計就是直接以樣本統計量直接作爲相應總體參數的估計值。點估計的缺陷是沒法給出估計的可靠性，也沒法說出點估計值與總體參數真實值接近的程度。
區間估計是在點估計的基礎上給出總體參數估計的一個估計區間，該區間是由樣本統計量加減允許誤差（極限誤差）得到的。在區間估計中，由樣本統計量構造出的總體參數在一定置信水平下的估計區間稱爲置信區間。
在其它條件相同的條件下，區間估計中置信度越高，置信區間越大。置信水平爲1-a, a（顯著性水平）爲小概率事件或者不可能事件，常用的置信水平值爲99%，95%，90%，對應的a爲0.01, 0.05， 0.1
置信區間是一個隨機區間，它會因樣本的不同而變化,而且不是所有的區間都包含總體參數。
一個總體參數的區間估計需要考慮總體是否爲正態分佈,總體方差是否已知，用於估計的樣本是大樣本還是小樣本等
（1）來自正態分佈的樣本均值，總體方差已知，不論抽取的是大樣本還是小樣本，均服從正態分佈。
（2）總體不是正態分佈，總體方差已知或未知，大樣本的樣本均值服從正態分佈,小樣本的不能進行參數估計。
（3）來自正態分佈的樣本均值，如果總體方差未知，原則上都按t 分佈來處理（但在大樣本的情況下，可近似按正態分佈處理）。
假設檢驗
假設檢驗假是根據樣本統計量來檢驗對總體參數的先驗假設是否成立，是推斷統計的另一項重要內容，它與參數估計類似，但角度不同，參數估計是利用樣本信息推斷未知的總體參數，而假設檢驗則是先對總體參數提出一個假設值，然後利用樣本信息判斷這一假設是否成立。
假設檢驗的基本思想：先提出假設，然後根據資料的特點，計算相應的統計量，來判斷假設是否成立，如果成立的可能性是一個小概率的話，就拒絕該假設，因此稱小概率的反證法。最重要的是看能否通過得到的概率去推翻原定的假設，而不是去證實它。
參數估計與假設檢驗之間的相同點、聯繫與區別：
（1）相同點：
a.都是根據樣本信息對總體的數量特徵進行推斷；
b.都以抽樣分佈爲理論依據，建立在概率論基礎之上的統計推斷，推斷結果都有一定的可信程度或風險。
（2）聯繫：
二者可相互轉換，形成對偶性。對同一問題的參數進行推斷，由於二者使用同一樣本、同一統計量、同一分佈，因而二者可以相互轉換。區間估計問題可以轉換成假設問題，假設問題也可以轉換成區間估計問題。區間估計中的置信區間對應於假設檢驗中的接受區域，置信區間以外的區域就是假設檢驗中的拒絕域。
（3）主要區別：
a.參數估計是以樣本資料估計總體參數的真值，假設檢驗是以樣本資料檢驗對總體參數的先驗假設是否成立；
b.參數估計中的區間估計是求以樣本統計量爲中心的雙側置信區間，假設檢驗既有雙側檢驗，也有單側檢驗；
c.參數估計中的區間估計是以大概率爲標準，通常以較大的把握程度（置信水平）1-α去保證總體參數的置信區間。而假設檢驗是以小概率原理爲標準，通常是給定很小的顯著性水平α去檢驗對總體參數的先驗假設是否成立或對總體的分佈的形式的假設進行判斷。
https://blog.csdn.net/u013015687/article/details/45937027?utm_source=blogxgwz1