统计推断基础：估计与检验
从数据中提取信号——点估计、区间估计与假设检验的逻辑
**预计时间：**25 分钟读 + 15 分钟做习题 = 40 分钟。
一、核心概念定义
统计推断（Statistical Inference）
从样本数据推断总体参数的过程。样本是有限的、有噪音的；总体是无限的、真实的。推断的本质是在不确定性中做决策。
点估计（Point Estimation）
用单个数字估计总体参数。样本均值 X̄ 是总体均值 μ 的点估计；样本比例 p̂ 是总体比例 p 的点估计。
好的点估计的性质：
- 无偏性：E[θ̂] = θ（估计值的期望等于真实值）
- 一致性：n → ∞ 时，θ̂ → θ（样本量越大越准）
- 有效性：在所有无偏估计中，方差最小
区间估计（Interval Estimation）
给出一个范围，并声明”真实参数有 X% 概率落在这个范围内”（贝叶斯）或”这个方法 X% 的时间会产生包含真实参数的区间”（频率派）。
最常用：95% 置信区间 = 点估计 ± 1.96 × 标准误差
假设检验（Hypothesis Testing）
提出两个 competing 假设，用数据判断哪个更可能：
- 原假设 H₀（Null）：默认立场（如”药物无效”）
- 备择假设 H₁（Alternative）：想要证明的立场（如”药物有效”）
检验逻辑：
- 假设 H₀ 为真
- 计算观察到当前数据或更极端数据的概率（p 值）
- 如果 p < α（通常 0.05），拒绝 H₀
- 如果 p ≥ α，不拒绝 H₀（注意：不等于接受 H₀）
两类错误
| H₀ 为真 | H₀ 为假 | |
|---|---|---|
| 拒绝 H₀ | Type I 错误（假阳性）概率 = α | 正确决策（统计功效） |
| 不拒绝 H₀ | 正确决策 | Type II 错误（假阴性）概率 = β |
权衡：降低 α（更严格）会增加 β（更容易漏掉真实效应）。α = 0.05 是惯例，不是自然法则。
二、学科直觉
- 估计的精度随 √n 改善：标准误差 = σ/√n。样本量翻倍，精度只提高 √2 ≈ 1.41 倍。这就是为什么从 100 样本到 10000 样本，精度只提高 10 倍而非 100 倍——边际收益递减。
- 不拒绝 H₀ ≠ 接受 H₀：这是最常见的误解。p = 0.06 时”没有显著证据”≠“药物无效”。可能是效应真实存在但样本量太小检测不出来（Type II 错误）。
- 显著性水平 α 是研究者的选择：α = 0.05 是惯例，但有些领域用 0.01（粒子物理）或 0.10（探索性研究）。选择 α 是在 Type I 和 Type II 错误之间做权衡——没有免费的午餐。
三、跨学科应用
A/B 测试：产品决策的统计基础
A/B 测试本质上是一个假设检验：
- H₀：新版本与旧版本转化率无差异
- H₁：新版本转化率更高
- 检验统计量：两组转化率的 z 分数
- 决策：p < 0.05 → 上线新版本
产品经理的关键问题：n = 多少才够？根据效应量（你期望的提升幅度）和 α、β 计算所需样本量。期望 20% 提升，n ≈ 每组 1000；期望 2% 提升，n ≈ 每组 20000+。
医学： Screening vs Diagnostic
Screening 测试（如乳腺癌筛查）用假设检验思维：
- H₀：没有癌症
- 高灵敏度（低 Type II）→ 尽量不漏诊
- 但高灵敏度意味着假阳性（Type I）增加 → 需要 follow-up 诊断测试
质量控制：过程能力指数
六西格玛用 Cpk 指数衡量过程能力：
- Cpk = min[(USL - μ)/3σ, (μ - LSL)/3σ]
- Cpk > 1.67 表示过程能力足够（6σ 水平）
- 本质上是假设检验：过程均值是否在规格限内 6σ
练习题
单选题
点估计的本质是？
95% 置信区间意味着？
Type I 错误是？
不拒绝 H₀ 意味着？
降低 α（如从 0.05 到 0.01）的直接后果是？
标准误差 = σ/√n 意味着？
假设检验中，p < 0.05 意味着？
案例分析
C1. 案例：某 A/B 测试新功能转化率 12% vs 旧版 10%，n = 200，p = 0.08。产品经理说"没显著差异，保持旧版"。统计学家怎么看？
反事实思考题
T1. 反事实：如果 α 永远固定在 0.05，不允许根据领域调整。最可能导致的系统性错误是什么？
下一步：Lesson 0007 · 回归分析：从线性到最小二乘——用模型量化变量关系。