在进行参数估计之前，我们需要知道如何通过样本得到总体信息。这就需要对统计推断的基础理论依据——抽样分布（sampling distribution）有一定的认识。统计推断目的在于推断总体特征，而这种推断的基础就是抽样分布。回想一下，在前面章节所学过的相关内容：参数用于描述总体；参数一般都是未知的；通过从总体中抽取随机样本来获取必要的数据；利用这些数据来计算一个或更多的统计量。
例如，为了估计总体的均值，就要计算样本均值。虽然样本均值与总体均值之间有一定的差距，但我们可以预期它们是很接近的。但是，接近程度到底如何？我们还必须能度量它们接近的程度。抽样分布正好可以帮助我们解决这个问题，在知道样本均值和总体均值接近程度的基础上，就可对总体均值进行估计了。
什么是抽样分布呢？要理解这个概念的内涵，我们有必要介绍两种和它相关但性质不同的分布：总体分布和样本分布。
在统计学中来陈述分布，可通俗地将其理解为数据集合反映出的特征，对数值型数据而言，最明显又可与函数联系起来的特征就是频数分布了。理解了这个，总体分布和样本分布的定义就呼之欲出了。
◎定义5.1：总体中所有数据所形成的相对频数分布，称为总体分布（population distribution）。
在前面第1章中，我们陈述过总体分为有限总体和无限总体，现实中，无限总体是较为普遍的，有时即使是有限的，但是从成本或者破坏性上考虑，我们往往也得不到总体里面的所有数据。因此，总体分布往往事先是不知道的。但是，我们又需要知道总体分布的相关信息，所以通常根据经验大致了解总体的分布类型，或者假定总体服从某种分布等。因为最终我们作为研究者所关心的并不是所有数据到底是如何分布，而是通过总体的参数来知道总体的特征。知道总体分布的定义之后，样本分布的定义就可以以此类推了。
◎定义5.2：从总体中随机抽取一个样本，这一个样本中所有数据所形成的相对频数分布，称为样本分布（sample distribution）。(www.xing528.com)
因为样本是从总体中抽取的，来自于总体，所以其能反映总体的相关信息和特征也是理所当然，这也是为什么样本分布也称经验分布。但是，样本是随机抽取的，只是总体中的一部分，当这部分只是总体中很小的一部分时，即当样本容量很小时，这种代表性就会被大大削减。那么，到底怎么根据样本推断总体的特征呢？
◎定义5.3：从总体中重复随机抽取容量为n的样本时，由该统计量的所有可能取值形成的相对频数分布（sampling distribution），称为某个统计量的抽样分布。
由于现实中不可能将所有的样本都抽出来，因此，统计量的抽样分布实际上是一种理论分布。如图5.1所示，我们对前面讲到的3种不同性质的分布进行了总结归纳。
小结
图5.1 3种不同性质的分布
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
