统计学为什么说区间估计是统计学最重要的内容？
因为区间估计是统计学来判断正常值和异常值的一个判断方式。
1934年，由统计学家J.奈曼所创立的一种严格的区间估计理论。置信系数是这个理论中最为基本的概念。通过从总体中抽取的样本，根据一定的正确度与精确度的要求，构造出适当的区间，以作为总体的分布参数(或参数的函数)的真值所在范围的估计。
扩展资料
用数轴上的一段距离或一个数据区间，表示总体参数的可能范围。这一段距离或数据区间称为区间估计的置信区间。
与点估计不同，进行区间估计时，根据样本统计量的抽样分布可以对样本统计量与总体参数的接近程度给出一个概率度量。下面将以总体均值的区间估计为例来说明区间估计的基本原理。
区间估计，区间估计的区间上、下界通常形式为：“点估计±误差”“总体均值”的区间估计。
因为统计学很重要的目的是组间的比较和组内的比较，区间估计是在点估计的基础上，给出总体参数估计的一个区间范围，如果没有这一部分，就没有办法很好的去运用统计学说明一些问题。
在点估计的基础上，给出总体参数估计的一个区间范围，该区间通常由样本统计量加减估计误差得到。与点估计不同，进行区间估计时，根据样本统计量的抽样分布可以对样本统计量与总体参数的接近程度给出一个概率度量。下面将以总体均值的区间估计为例来说明区间估计的基本原理。
区间理论
这是1934年，由统计学家J.奈曼所创立的一种严格的区间估计理论。置信系数是这个理论中最为基本的概念。
置信系数 奈曼以概率的频率解释为出发点，认为被估计的θ是一未知但确定的量，而样本X是随机的。区间【A(X），B(X）】是否真包含待估计的θ，取决于所抽得的样本X。因此，区间 【A(X),B(X）】只能以一定的概率包含未知的θ。
对于不同的θ，π（θ）之值可以不同，π（θ）对不同的θ取的最小值1-α（0<；α<1）称为区间【A(X），B(X）】的置信系数。与此相应，区间【A(X），B(X）】称为θ的一个置信区间。这个名词在直观上可以理解为：对于“区间【A(X),B(X）】包含θ”这个推断，可以给予一定程度的相信，其程度则由置信系数表示。
对θ的上、下限估计有类似的概念，以下限为例，称A(X）为θ的一个置信下限，若一旦有了样本X，就认为θ不小于A(X），或者说，把θ估计在无穷区间【A(X），∞）内。"θ不小于A(X)"这论断正确的概率为θ）。π1（θ）对不同的θ取的最小值1-α（0<；α<1）称为置信下限A(X）的置信系数。
在数理统计中，常称不超过置信系数的任何非负数为置信水平。
区间估计是统计学来判断正常值和异常值的一个判断方式
在区间内分为95%的区间和99%的区间来判断正常值范围。
