根据样本信息来推断总体信息，比如总体分布函数的未知参数。

1. 点估计

点估计的问题定义：

设总体的分布函数的形式已知，是未知参数，是来自总体的一个样本，是它的样本值。点估计就是要构造一个适当的统计量，用该统计量作为总体未知参数的估计值。

点估计的常用方法：矩估计法和最大似然估计法

矩估计法：样本矩估计总体矩的方法

若总体中含有个未知参数，令
从中解出个参数作为的估计量，其中是阶样本中心距。

注：矩估计法简单易行，并不需要事先直到总体是什么分布。缺点是，当总体类型已知，没有充分利用分布提供的信息，一般场合下，矩估计量不具有唯一性。

最大(极大)似然估计：

基本原理：用使样本取值概率达到最大的参数值来估计未知参数

离散型随机变量：若是离散型随机变量，其分布律为，其中为未知参数，是来自的一个样本，设为对应的样本值，则事件发生的概率为
记
为离散型的样本的似然函数。固定样本值,取使得达到最大的参数值作为的参数估计。

连续型随机变量：记
其中为概率密度函数。

估计量的评价标准：

• 无偏性：若估计量 的数学期望存在，且对于任何，有，则称为的无偏估计量，否则为有偏估计量。

• 有效性：有效性是衡量两个无偏估计量的优劣，方差越小越有效，前提是样本容量固定。
  但方差不能无限小到0，存在罗-克拉美下界(Rao-Cramer)：
  凡是能够达到Rao-Cramer下界的无偏估计量称为最小方差无偏估计量。

• 相合性：无偏性和有效性都是在样本容量固定的前提下提出的，我们希望随着样本容量的增大，一个估计量的值稳定与待估参数真值附近。
  设是参数的一个估计量，当时，依概率收敛于，则称是的相合估计量。

2. 区间估计

未知参数的点估计仅仅是未知参数的一个近似值，它没有反映与真实值的接近程度，亦没有给出估计的精度，使用起来把握不大。现在我们要给出一个区间，这个区间包含未知参数的可信程度是预先给定的，此区间的长度给出了估计的精度，这就是我们要讨论的区间估计。

定义：

设总体的分布函数，其中是一个未知参数，对于给定的一个很小的正数，若由来自的样本确定的两个统计量,，对于任意的,满足
则称是的置信水平为的置信区间，分别称和是置信水平为双侧置信区间的置信下界和置信上界。