無法調查全部人，只能抽樣。統計推論從樣本推測母體，並說明可靠度。
它回答：這個差異是真的，還是只是運氣？
我們幾乎不可能調查全部人（母體），只能抽一部分（樣本）。統計推論就是從樣本去推測母體的真相，並說明這個推測有多可靠。它回答的是「這個差異是真的，還是只是運氣？」
差異是真的還是巧合？
真值大概落在哪個範圍。
哪個版本真的比較好。
這頁是統計推論總覽。下面三個子題（假設檢定、A/B 測試、因果推論）各有專頁深入。它和「問題定義」形成回饋迴圈。
真實母體比例是 60%（紅線）。每次「抽樣」會得到一個樣本估計值與信賴區間（誤差範圍）。拖動樣本數，看區間如何收窄——樣本越多，越能逼近真相。
信賴區間越窄＝估計越精確。樣本從 50 增到 2000，區間明顯收窄，估計值更穩定地圍繞真值 60%。這就是「樣本越多越可靠」的數學意義。
| 面向 | 描述統計 | 推論統計 |
|---|---|---|
| 目的 | 描述手上的資料 | 用樣本推論母體 |
| 產出 | 均值、標準差、圖表 | 估計、信賴區間、檢定 |
| 範圍 | 只講樣本本身 | 推廣到未觀測母體 |
| 不確定性 | 不談 | 用機率量化不確定 |
統計推論從樣本推估母體,iPAS 中級科目二的統計基礎。重點:用點估計、信賴區間(估計的不確定範圍)與假設檢定從有限樣本下結論。易混點:信賴區間是方法的可信度、不是參數落在區間的機率;樣本要有代表性,偏差樣本會推錯;統計顯著不等於實務重要。情境:從調查或實驗樣本推論整體、解讀信賴區間。
想練情境題與詳解 → AI 學習與考證地圖
用樣本推估母體特性(估計參數、檢定假設、給信賴區間)，在不確定下做出有依據的結論。
點估計給單一數值(如樣本平均估母體平均)；區間估計給一個範圍(信賴區間)並附信心水準，反映不確定性，通常更有用。
95% 信賴區間的正確解讀是「用同方法重複抽樣，約 95% 的區間會涵蓋真值」，不是「真值有 95% 機率落在這個特定區間」。
樣本越大估計越精確(標準誤越小)、檢定力越高、信賴區間越窄；太小則結論不穩、易受運氣影響。
描述統計總結手上資料(平均、分布)；推論統計用樣本推廣到母體並量化不確定性，是做決策的依據。