點估計和區間估計是通過樣本統計量估計總體引數的兩種方法。點估計是在抽樣推斷中不考慮抽樣誤差，直接以抽樣指標代替全體指標的一種推斷方法。因為個別樣本的抽樣指標不等於全體指標，所以，用抽樣指標直接代替全體指標，不可避免的會有誤差。區間估計是抽樣推斷中根據抽樣指標和抽樣誤差去估計全體指標的可能範圍的一種推斷方法。在從抽樣指標推斷全體指標時，用一定概率保證誤差不超出某一給定範圍。
點估計是使用抽樣資料得到總體有樣本引數。比如，針對某市房租平均**的統計，全部統計成本會比較大，因此我們隨機選擇某一部分的在租房屋進行統計，計算均值用來表示某市房租**的整體均值。但是點估計和抽樣的樣本量強相關，樣本量佔總體越少越可能會出現誤差。比如，隨機抽樣中存在較多的極值，導致我們點估計的結果偏高。或者樣本不夠隨機，選擇市中心的房租對某市的房租估計顯然也是不準確的。
區間估計估計不同於點估計，能夠提供待估計引數的置信區間和置信度（即保證xx%的可能性該引數的值位於*~*之間，例如，有95%的可能性全市房租均價在2000~2500之間），區間估計雖然不能得出精確的估計值，但是能夠提供保證程度，代表了有多大把握總體引數會在相應的置信區間內。在對全體樣本進行多次抽樣，根據中心極限定理，多次抽樣的樣本均值會服從均值為總體樣本均值的正態分佈。
其中，μ為均值，σ為標準差，由於總體的均值μ和總體的μ是未知引數，因此我們使用抽樣樣本的均值和標準差作為總體均值和標準差的估計值。
因此可以根據正態分佈的影象可知，
μ±σ時，概率為68.26%；
μ±2σ時，概率為95.44%；
μ±3σ時，概率為99.74%。
在統計學中，常用的置信度一般取95%和99%，因此更為精確的值參考下圖。
附區間估計的python**實現：
# ****網路，使用時將house_price換成自己的dataframe，price換成要估計的引數即可
se = house_price.price.std() / len(house_price_gr) ** 0.5 #均值標準誤差
lb = house_price.price.mean() - 1.96 * se #置信區間下界
ub = house_price.price.mean() + 1.96 * se #置信區間上界
引數估計 點估計和區間估計
引數估計就是根據樣本統計量的數值對總體引數進行估計的過程。根據引數估計的性質不同，可以分成兩種型別 點估計和區間估計。點估計就是用樣本統計量的某一具體數值直接推斷未知的總體引數。例如，在進行有關小學生身高的研究中，隨機抽取1000名小學生並計算出他們的平均身高為1.46公尺。如果直接用這個1.46公...
引數估計之點估計和區間估計
作者 cda資料分析師 引數估計 parameter estimation 是根據從總體中抽取的樣本估計總體分布中包含的未知引數的方法。人們常常需要根據手中的資料，分析或推斷資料反映的本質規律。即根據樣本資料如何選擇統計量去推斷總體的分布或數字特徵等。統計推斷是數理統計研究的核心問題。所謂統計推斷是...
點估計 區間估計以及假設檢驗的區別
點估計 基於某一準則構造n個隨機樣本 簡稱樣本 的估計統計量 簡稱估計量 來估計某一未知引數。將樣本值代入估計量可計算得到未知引數的估計值。點估計雖然得到了未知引數的估計值，但是未給出估計值的可靠程度，即未知引數的真實值可能偏離估計值的程度。區間估計 給定置信水平，根據估計值確定真實值可能出現的區間...