2， 有效性：对同一总体参数的两个无偏点估计量 ，有更小标准差的估计量更有效 3，一致性：随着样本容量的增大，估计量的 值越来越接近被估计的总体参数
7.3 置信区间：由样本统计量所构造的总体参数的估计区间
7.4 95%的置信区间指用某种方法构造的所有区间中有95%的区间包含总体参数的真值。
7.5 含义：Za/2是标准正态分布上侧面积为a/2的z值,公式是统计总体均值时的边际误差。
7.8 样本量越大置信水平越高，总体方差和边际误差越小
第8章思考题
8.1假设检验和参数估计有什么相同点和不同点？
答：参数估计和假设检验是统计推断的两个组成部分，它们都是利用样本对总体进行某种推断，然而推断的角度不同。参数估计讨论的是用样本统计量估计总体参数的方法，总体参数μ在估计前是未知的。而在参数假设检验中，则是先对μ的值提出一个假设，然后利用样本信息去检验这个假设是否成立。
8.2什么是假设检验中的显著性水平？统计显著是什么意思？
答：显著性水平是一个统计专有名词，在假设检验中，它的含义是当原假设正确时却被拒绝的概率和风险。统计显著等价拒绝H0，指求出的值落在小概率的区间上，一般是落在0.05或比0.05更小的显著水平上。
8.3什么是假设检验中的两类错误？
答：假设检验的结果可能是错误的，所犯的错误有两种类型，一类错误是原假设H0为真却被我们拒绝了，犯这种错误的概率用α表示，所以也称α错误或弃真错误；另一类错误是原假设为伪我们却没有拒绝，犯这种错误的概论用β表示，所以也称β错误或取伪错误。
8.4两类错误之间存在什么样的数量关系？
8.6显著性水平与P值有何区别
答：显著性水平是原假设为真时，拒绝原假设的概率，是一个概率值，被称为抽样分布的拒绝域，大小由研究者事先确定，一般为0.05。而P只是原假设为真时所得到的样本观察结果或更极端结果出现的概率，被称为观察到的(或实测的)显著性水平
8.7假设检验依据的基本原理是什么？
答：假设检验依据的基本原理是“小概率原理”，即发生概率很小的随机事件在一次试验中是几乎不可能发生的。根据这一原理，可以作出是否拒绝原假设的决定。
8.8你认为单侧检验中原假设与备择假设的方向如何确定？
答：将研究者想收集证据予以支持的假设作为备择假设H1，将研究者想收集证据证明其不正确的假设作为原假设H0，先确立备择假设H1，备择假设的方向与想要证明其正确性的方向一致，原假设与备择假设是互斥的，等号总在原假设上。（举例说明，如下：“一项研究表明，采用新技术生产后，将会使产品的使用寿命明显延长到1500小时以上。检验这一结论是否成立”，则备择假设的方向为“>”(寿命延长)，建立的原假设与备择假设应为H0：μ≤1500，H1：μ＞1500.又例，“一项研究表明，改进生产工艺后，会使产品的废品率降低到2%以下。检验这一结论是否成立”，则备择假设的方向为“<”(废品率降低)，建立的原假设与备择假设应为H0: μ≥2% ，H1: μ< 2%.）
第10章思考题
10.1什么是方差分析？它研究的是什么？
答：方差分析就是通过检验各总体的均值是否相等来判断分类型自变量对数值型因变量是否有显著影响。它所研究的是非类型自变量对数值型因变量的影响。
10.2要检验多个总体均值是否相等时，为什么不作两两比较，而用方差分析方法？
答：作两两比较十分繁琐，进行检验的次数较多，随着增加个体显著性检验的次数，偶然