频率学派统计

频率学派统计 (Frequentist Statistics)

频率学派统计是统计推断两大主流之一（另为贝叶斯统计）。核心：概率定义为长期可重复随机实验中事件的相对频率。参数（如总体均值$\mu$/标准差$\sigma$）为固定但未知常数；样本统计量（如样本均值$\bar{X}$）为随机变量。由费雪、奈曼、皮尔逊等人奠基。

核心概念

概率频率解释（客观、可观测验证的物理属性——公平硬币正面=0.5指无限次抛掷的长期比例），不适用于不可重复的单一事件（如"拿破仑输掉滑铁卢的概率"）。参数固定+统计量变化→通过抽样分布（中心极限定理描述）推断参数。

推断工具

点估计：单一数值估计参数。估计量（公式）vs 估计值（代入数据所得）。优量具：无偏性（$E[\hat{\theta}]=\theta$，如$\bar{X}$是$\mu$的无偏估计）、有效性（无偏中最小的方差）、一致性（$n\to\infty$时依概率收敛于真值）。常用法：最大似然估计(MLE)、矩方法。

置信区间：$100(1-\alpha)\%$置信区间指若无限多独立样本各建区间→$100(1-\alpha)\%$区间包含真$\mu$。正确解读：信心针对构建方法而非单个区间——"我们有95\%信心这个区间包含$\mu$"，不能说"$\mu$有95\%概率在区间内"。该方法源于奈曼-皮尔逊框架。

假设检验：形式化流程判断数据证据是否充分拒绝预设。原假设 $H_0$（基准/"无效果"）+ 备择假设 $H_1$。设显著性水平 $\alpha$（第一类错误风险）。计算检验统计量，比较p值（$H_0$下观测当前或更极端结果的概率）与$\alpha$：$p \le \alpha$→拒$H_0$；$p > \alpha$→未能拒。关注第二类错误 $\beta$和统计功效 $1-\beta$。

与贝叶斯对比

频率：概率客观、参数定常、输入仅数据、输出点估计/置信区间/p值（置信区间描述方法长期表现）。贝叶斯：概率主观（信任度）、参数随机（概率分布描述）、输入先验+数据、输出后验分布（可信区间可直接解为参数概率）。

优势：客观（不依赖先验信念）、方法成熟标准、科学界/监管/质控长期标准。批评：置信区间/p值解释反直觉易误用（如将p值误解为$H_0$真的概率），不适用于不可重复事件，难系统整合先验信息。