到目前为止，我们一直专注于使用描述性统计来总结手头的数据。现在，我们将注意力转向仅根据一小部分数据，即样本，来对更大的总体做出有依据的推断。这很必要，因为获取或分析整个总体（例如，所有潜在客户，所有传感器读数）通常是不可能或成本过高的。

本章介绍推断统计的基本原理。你将学习如何：

• 区分总体和样本，并理解抽样的必要性。
• 识别不同的抽样方法。
• 理解中心极限定理 (CLT) 及其在统计推断中的重要作用，特别是关于样本均值的分布。
• 计算总体参数的点估计，例如使用样本均值 $\bar{x}$ 来估计总体均值 $\mu$。
• 构建和解释置信区间，它根据样本数据为总体参数提供一个合理的值范围。

我们将把这些内容应用于实践，使用 Python 模拟抽样分布并计算估计值，从而连接理论与应用。