🔑 名詞卡

統計推論（Statistical Inference）

🎯 定義

以樣本資料為基礎，對整體母體特徵進行科學性推估的程序，是機器學習與大數據分析背後的邏輯支柱。

重點／應用

統計推論可概略分為兩大核心分支，兩者皆依賴機率模型作為推論依據：

分支	目的	輸出結果
參數估計（Parameter Estimation）	推測母體參數的「值」或「區間」	點估計值、信賴區間
假設檢定（Hypothesis Testing）	驗證某個關於母體參數的「主張」是否成立	p 值、檢定統計量

在大數據情境中，「資料量大」並不代表「推論更容易」，傳統統計推論賴以成立的隨機抽樣、獨立觀測、固定母體等假設，常因平台自動蒐集、跨區分發、持續變動的資料特性而被打破，衍生出樣本非隨機偏誤放大、p值膨脹、多重檢定偽陽性等新挑戰。

在機器學習脈絡中，統計推論用於推斷模型訓練的結果是否穩定、資料特徵之間是否存在顯著差異、以及模型選擇是否具有合理依據，是機率統計支撐模型學習與評估的核心工具之一。

📖 課文原文
「統計推論（Statistical Inference）是以樣本資料為基礎，對整體母體特徵進行科學性推估的程序……統計推論不僅是資料分析的基石，也構成機器學習與大數據分析背後的邏輯支柱。」