主要区别
描述性统计和推断统计的主要区别在于描述性统计利用数据来描述人口，无论是通过数值计算，还是图表或表格和推断统计，都会根据从有关人口中提取的数据样本，得出关于某个群体的结论和预测。
描述性统计(descriptive statistics) vs. 推断统计学(inferential statistics)
描述性统计是描述人口特征的统计方法。另一方面，利用推断统计量对样本进行总体概括。描述性统计是一个术语，用于检查数据，有助于以有意义的方式总结或显示数据。推理统计学称为抽样，用于确保所选样本尽可能地代表总体。在描述性统计中，用图表、表格和图表精确地总结和表示数据，而推理统计则用概率论来确定样本特征的概率。在描述性统计中，工具用于测量中心趋势（平均值/中位数/模式）、数据传播（范围、标准差等），在推断统计学中，工具用于假设检验、方差分析等。
比较图
什么是描述性统计(descriptive statistics)？
描述性统计是对数据进行调查的统计学术语，它在很大程度上有助于描述、显示或抽象数据。描述性统计是非常重要的，因为如果我们展示原始数据，很难想象数据显示了什么，特别是如果有大量数据的话。因此，描述性统计使我们能够以更有意义的方式呈现数据，这使得对数据的解释更为简单。描述性统计通过统计和图表描述数据是一个重要的主题，并在其他农业统计指南中讨论。
类型
- 集中趋势的度量：这些是定义一组数据的频率分布中心位置的方法。在这种情况下，频数分布就是100名学生从最低到最高所占分数的分布和标准。我们可以用一些统计数据来解释这个中心位置，包括模式、中位数和平均值。你可以在这里读到关于集中趋势的度量。
- 散布度量：这些是通过描述如何分布分数来汇总一组数据的方法。衡量价差有助于我们缩短这些分数的分布。为了描述这种价差，我们可以使用一些统计数据，包括范围、四次曲面、绝对偏差、方差和标准差。
什么是推断统计学(inferential statistics)？
与描述性统计不同，推断统计学是将一项实验研究所得结论应用于更一般人群的努力。推断统计学试图回答在给定的实验中没有被测试的人群和样本的问题。如果你进行一项调查，目标是将完成度应用于更一般的人群，假设抽样范围足够大，样本代表更广泛的公众。推断统计学是很重要的，因为研究和实验需要声明和总结一些关于综合群体的东西，而不仅仅是研究的样本。当不方便或不可能对整个人群中的每个成员进行检查时，推断统计是有价值的。推断统计学使用统计模式来帮助您将样本数据与其他样本或之前的研究进行比较。
域
- 估计参数。这意味着从你的样本数据中获取一个统计数据（例如样本均值），并利用它来说明总体常数（即期望值）。
- 假设检验。在这里你可以利用样本数据来回答研究问题。例如，你可能很想知道一种抗癌新药是否有效。或者如果早餐有助于孩子们在学校表现更好。
主要区别
- 描述性统计是描述被研究人群的顺序。推断统计学是一种统计方法，主要是通过抽样分析和观察来总结人口。
- 在描述性统计中，最终结果以图形或表格形式表示，而最终结果以概率的形式显示。
- 描述性统计描述了已知的数据，用来总结样本。相反，推断统计学试图得出关于人口的结论；这超出了现有数据的范围。
- 描述性统计以有意义的方式收集、组织、分析和呈现数据。相反，推断统计学则是对比数据，检验假设，并对未来的结果作出预测。
- 描述性统计描述一种情况，而推理统计则解释事件发生的可能性。
结论
因此，我们对这两个术语进行了充分的讨论，你只需要知道描述性统计是关于代表你现有的一组数据，而推断统计学则集中在对额外的总体进行推测，即在研究的数据集之上。描述性统计提供了全部的数据，研究者已经研究了，而推理统计则进行了归纳，这意味着提供给你的数据没有被研究。
