用样本估计总体：以部分推断全体的统计方法

核心思想：以小见大

总体往往太大无法逐个测量（全国人口身高、一批灯泡寿命）。统计的对策是：抽一个随机样本，用样本的特征去估计总体的特征。

$\text{样本平均数 }\bar{x}\approx \text{总体平均数 }\mu ,\text{样本方差 }{s}^2\approx \text{总体方差 }{\sigma }^2$

估计的可信度取决于两点：样本随机（无偏）与样本量足够大（误差小）。

两条估计路径

频率分布直方图：看懂那张图

• 横轴：数据分组（组距通常相等）
• 纵轴：频率 ÷ 组距（不是频率本身）
• 关键：矩形面积 = 频率，全部面积之和 $=1$

由直方图可估计：众数（最高矩形中点）、中位数（面积左右各半的分界）、平均数（各矩形中点 × 频率求和）。

典例精析

例（用样本平均数估计） 从一批产品中随机抽 50 件，测得平均寿命 1200 小时、方差 $40^2$。据此估计这批产品的平均寿命约为 1200 小时——这是用样本均值估计总体均值。样本量越大，这个估计越接近真值。

辨析与提醒

• 估计 ≠ 真值：样本特征只是总体的「近似」，不同样本会得到不同估计，这正是抽样误差。
• 直方图纵轴陷阱：把纵轴当频率会算错比例，记住「面积才是频率」。
• 前提是随机：抽样方法有偏，后面所有计算都失去意义。

跨学段衔接

小学「平均数」第一次体会「以一数代多」；初中「用样本估计总体」形成初步观念；高中系统学习频率分布与数字特征的估计方法；大学「参数估计、假设检验」把估计的误差量化成置信区间。用样本估计总体，是统计从「描述」走向「推断」的分水岭。