根据样本统计量来估计总体参数就是参数估计，主要有两种方式，一个是点估计，一个是区间估计，我来为大家科普一下关于数据统计的基本知识点?下面希望有你要的答案，我们一起来看看吧!
数据统计的基本知识点
根据样本统计量来估计总体参数就是参数估计，主要有两种方式，一个是点估计，一个是区间估计。
点估计
这种方法就是计算样本均数、方差等，作为总体均数、方差等的估计值，因为中心极限定理告诉我们，多次重复抽样，所得多个统计量应该都是围绕总体参数波动的，多个统计量的参数应该等于总体参数。但是并不是每个统计量正好等于总体参数，所以实际中根据一个样本进行的点估计还是有一定的偏差的，采用置信区间会更加可靠一些。
最小二乘估计
是主要用于线性回归的参数估计，实际就是求得一个实际值与模型估计值之差达到最小的值，将其作为参数估计的值。最小二乘法的思想的体现在本书P82中已经详细说明，实际上就是求得一个能够最佳拟合实际数据的直线的系数。
最大似然估计
最大似然估计就是最大可能的一个估计，其应用将较为广泛，如Logistic回归、Cox回归、多水平模型等，主要体现在我们获得样本数据，根据已知的样本结果，反推找到一个估计值，使得最大可能出现现有的结果，通俗来说就是我们已经有了样本数据，那么当参数等于多少的时候，最有可能出现我们已有的样本数据。
贝叶斯估计
贝叶斯估计是基于先验信息的一种估计方法，也就是说根据已有的一些经验，把经验纳入估计过程中，从而得到估计值，在经典的频率估计中，参数是固定的，样本统计量是随机变量，而贝叶斯统计中，认为参数也是随机变量，服从某一概率分布的随机变量，贝叶斯统计的重点是研究参数的分布。
Ref：《白话统计》 冯国双著
,
