推論統計

推斷統計學（英文：Statistical inference），為統計學中，研究如何根據樣本數據去推斷總體數量特徵的方法。它是在對樣本數據進行描述的基礎上，對統計總體的未知數量特徵做出以機率形式表述的推斷。更概括地說，是在一段有限的時間內，通過對一個隨機過程的觀察來進行推斷的。 統計學中，推斷統計（或稱統計推論、推論統計）與描述統計相對應。 統計推斷的結果常用來決定下一步的作法，可能是要做更深入的試驗或問卷，或是是決定是否要實行某項方案。

基本定義

推論統計的理論假設是機率論。機率論研究發現，當樣本總體的樣本容量達到特定值時候，則【樣本總體分布】的形狀為Z分布（樣本容量三十以上）、T分布（樣本容量為三十到八）或P分布（樣本容量為十以下）的。這時，我們從樣本總體中隨機抽出一個樣本，這個樣本落在這個樣本總體的中心區域的可能性較大，落在邊緣區域可能性較小，出了某一區域的可能性很小。這一規律在所有定樣本容量的數據分布中都存在。因此，我們可把兩組數據放到一個坐標繫上，然後根據兩組數據的統計參數來比較兩個分布是否有顯著性差異，並估算出猜錯的可能性。

其他

推論統計中最常用到的指標為Z分數（大樣本研究）、T分數（小樣本研究）、P分數（二項分布研究），檢驗方式主要有Z檢驗、T檢驗、）。除此以外，推理統計中另有非參數分析方法，可以根據數據的秩來計算統計結果。
推論統計結果的可靠性除了受到實驗方法和數據處理方法的影響，還受到樣本容量影響，根據過大或過小的樣本計算出的結論都可能是不可靠的，為此，心理統計學中又有【【ω2】】法和D值法來檢驗樣本是否大到足以影響推論的地步。