การอนุมานเชิงสถิติเป็นการสอนในบริบทของตัวอย่างความน่าจะเป็นและลักษณะของข้อผิดพลาดการสุ่มตัวอย่าง รุ่นนี้เป็นพื้นฐานสำหรับการทดสอบความสำคัญ อย่างไรก็ตามมีวิธีการอื่น ๆ ในการจำลองแบบการออกจากระบบอย่างบังเอิญและปรากฎว่าการทดสอบแบบอิงพารามิเตอร์ (การสุ่มตัวอย่าง) ของเรามีแนวโน้มที่จะเป็นการประมาณทางเลือกที่ดีของทางเลือกเหล่านี้
การทดสอบพารามิเตอร์ของสมมติฐานขึ้นอยู่กับทฤษฎีการสุ่มตัวอย่างเพื่อสร้างประมาณการของข้อผิดพลาดที่อาจเกิดขึ้น หากตัวอย่างขนาดที่กำหนดมาจากประชากรความรู้เกี่ยวกับธรรมชาติของการสุ่มตัวอย่างทำให้การทดสอบและช่วงความมั่นใจมีความหมาย ด้วยประชากรทฤษฎีการสุ่มตัวอย่างไม่เกี่ยวข้องเลยและการทดสอบนั้นไม่มีความหมายในความหมายดั้งเดิม การอนุมานไม่มีประโยชน์ไม่มีอะไรจะอนุมานได้มีเพียงสิ่ง ... พารามิเตอร์เอง
บางคนได้รับสิ่งนี้โดยดึงดูดประชากรที่มีจำนวนประชากรสูงที่สุดซึ่งการสำรวจสำมะโนประชากรในปัจจุบันแสดงให้เห็น ฉันพบว่าสิ่งเหล่านี้ไม่น่าเชื่อ - การทดสอบพารามิเตอร์นั้นมาจากการสุ่มตัวอย่างความน่าจะเป็นและคุณลักษณะของมัน ประชากรในเวลาที่กำหนดอาจเป็นตัวอย่างของประชากรขนาดใหญ่ในช่วงเวลาและสถานที่ อย่างไรก็ตามฉันไม่เห็นวิธีใด ๆ ที่จะโต้แย้งได้ว่านี่เป็นตัวอย่างแบบสุ่ม (หรือโดยทั่วไปในรูปแบบใด ๆ ของความน่าจะเป็น) หากไม่มีตัวอย่างความน่าจะเป็นทฤษฎีการสุ่มตัวอย่างและตรรกะการทดสอบแบบดั้งเดิมก็ใช้ไม่ได้ คุณอาจทดสอบบนพื้นฐานของตัวอย่างความสะดวกสบายเช่นกัน
เห็นได้ชัดว่าในการยอมรับการทดสอบเมื่อใช้ประชากรเราจำเป็นต้องแจกจ่ายพื้นฐานของการทดสอบเหล่านั้นในขั้นตอนการสุ่มตัวอย่าง วิธีหนึ่งในการทำเช่นนี้คือการรู้จักการเชื่อมต่ออย่างใกล้ชิดระหว่างการทดสอบตัวอย่างเชิงทฤษฎีของเราเช่น t, Z และ F - และขั้นตอนการสุ่ม การทดสอบแบบสุ่มขึ้นอยู่กับตัวอย่างในมือ ถ้าฉันรวบรวมข้อมูลเกี่ยวกับรายได้ของชายและหญิงรูปแบบความน่าจะเป็นและพื้นฐานสำหรับการประมาณการข้อผิดพลาดของเราคือการจัดสรรแบบสุ่มซ้ำของค่าข้อมูลจริง ฉันสามารถเปรียบเทียบความแตกต่างที่สังเกตได้ระหว่างกลุ่มกับการแจกแจงโดยใช้การสุ่มนี้ (เราทำสิ่งนี้ตลอดเวลาในการทดลองโดยวิธีการที่การสุ่มตัวอย่างจากแบบจำลองประชากรไม่ค่อยเหมาะสม)
ตอนนี้ปรากฎว่าการทดสอบตัวอย่าง - ทฤษฎีมักจะเป็นการประมาณที่ดีของการทดสอบการสุ่ม ในที่สุดฉันคิดว่าการทดสอบจากประชากรนั้นมีประโยชน์และมีความหมายภายในกรอบนี้และสามารถช่วยแยกแยะระบบจากการแปรผันของโอกาสเช่นเดียวกับการทดสอบตามตัวอย่าง ตรรกะที่ใช้เพื่อให้มีความแตกต่างกันเล็กน้อย แต่ก็ไม่ได้ส่งผลกระทบต่อความหมายในทางปฏิบัติและการใช้การทดสอบมากนัก แน่นอนว่าอาจเป็นการดีกว่าที่จะใช้การทดสอบการสุ่มและการเปลี่ยนรูปโดยตรงเนื่องจากพวกเขาสามารถใช้งานได้ง่ายด้วยพลังการประมวลผลที่ทันสมัยของเรา