描述性统计和推断性统计有什么区别?

描述性统计和推断性统计是统计学的两大核心分支，它们的目标和方法存在显著差异：

• 描述性统计：聚焦于数据本身，通过图表、指标（如均值、标准差）对数据进行整理、概括，帮助直观理解数据特征。例如，计算班级考试平均分。
• 推断性统计：超越数据本身，利用概率理论和抽样方法，从样本推断总体特征（如总体均值估计、假设检验）。例如，通过部分样本推断全国学生近视率。

关键区别：描述性统计是“描述已知数据”，推断性统计是“从样本推测未知总体”。

1. 描述性统计的核心功能

• 数据整理：分类、排序、分组。
• 数据概括：计算集中趋势（均值、中位数）、离散程度（方差、标准差）等。
• 可视化：通过图表（如直方图、折线图）直观展示数据分布。
• 应用场景：人口普查、企业财务报表等直接描述数据的场景。

2. 推断性统计的核心功能

• 总体参数估计：用样本均值、比例估计总体参数（如用样本平均分推断全校平均分）。
• 假设检验：验证某个假设是否成立（如新药是否有效）。
• 依赖概率：通过概率分布（如正态分布）和抽样分布进行推断。
• 应用场景：市场调查、医学试验等需要从局部推断整体的场景。

3. 核心差异对比