是因为区间估计是统计学来确认都正常值和无比值的另一个判断。1934年,由统计学家j.奈曼所创立的一种严格的的区间估计理论。置信系数是这个理论中众多基本都的概念。实际从总体中吸纳的样本,依据当然的真确度与精确度的要求,构造出尽量多的区间,以充当总体的分布参数(或参数的函数)的真值所在的位置范围的估计。
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,该区间大多数由样本统计量加减大概误差能得到。
区间估计的三要素是:点估记值、随机取样总平均误差、估记的比较可靠度。
是互相矛盾的，精确性指的是置信区间的宽度，而可靠性指的是1-a的值。在其他条件变的情况下，可靠性越高，区间宽度越大，是因为这样才能更可靠的保证参数在区间内，当然了精确性就会下降了。
如果没有你想先可以保证可靠性的基础上不要想提高精确度，也就说变量较小的1-α无法置信水平下，使副本区间长度最小的区间估计，才是最好的区间估计。至于楼上说的也对要想精确度高的话，可以使置信区间会降低，然后把提高样本容量。
打开eviews软件，再点击工具栏，在工具栏中表你选择异方差性测试。
在没显示栏中，选定whitetest，这个测量比较多检定异方差性的存在，再点击确认按键。
在模型窗口又出现whitetest的统计数据主要是用于测什么异方差性的存在.左边的检定统计量适用规定于手算,右边的p-value少于10%(选取范围90%置信区间),其他证明了异方差性的存在
当我们明白了一个随机变量的分布，但不考虑其参数的时候就也可以用点估计也的方法来判断其参数，广泛的点大概的方法和矩方法与的最似然法。
核心那是要构造关与未知的东西参数的方程组求未知参数，矩方法那是用样本的各阶矩作为条件，而大似然法是构造似然函数求参数的偏导数来构造。
区间估计为了确认点估记的结果的可靠性与精确度，可靠性是生之物给出的，也叫置信度，而精确度那是具体的范围大小。
通常精确度越低，可靠性就越好，但较低的精确度的大概没有意义，比如说预测明天的气温最低t-50～t50℃之间，虽说很比较可靠但失去意义了，所以具体的要求出一个有心区间必须在精度和可靠性之间取一个平衡。
区间估计中最常见的一种的就是对均值的区间参与估计也，打比方样本总体服从正态分布，方差三角形的三边的情况下用标准正态分布进行大概，方差未知地情况下用t其分布参与估记，当样本量小于30也可以用标准正态分布另一种t分布
