当可以从整个总体中获得数据时，计算置信区间并检验假设是否有意义？

当可以从整个总体中获得数据时，计算置信区间并检验假设是否有意义？我认为答案是否定的，因为我们可以准确地计算出参数的真实值。但是，允许我们使用上述技术的原始人口数据的最大比例是多少？

第一个问题是没有普遍同意的答案。我自己的观点就像您的观点，但其他人则认为，可以将人口视为“超级人口”中的一个样本，在这种情况下，超级人口的确切性质取决于环境：例如，居住在该地区的所有人口的普查可以将建筑物视为所有居住在类似建筑物中的人的样本；可以将美国人口普查（并不是一个人能真正做到完整）视为来自可能有一天存在（或类似情况）的大量美国人的样本。我认为这通常是使用p值的借口；如果没有p值，那么许多实质性领域的科学家都会感到不适。（但这是我的观点）。

一般而言，第二个问题似乎有点奇怪。您何时获得（例如）超过一半人口的样本？

一个更大的问题将是偏见。回到美国人口普查，问题不仅仅在于它想念人们，还在于它想念的人不是随机抽样的总人口。因此，即使人口普查从95％的人口中得到（选择一个数字）答案，如果剩下的5％完全不同，结果也会有偏差。

假设12名委员会成员中只有2名是女性。

$\frac{1}{6}$

或者，它可以作为对女性被选为委员会的可能性的一种估计，这是甄选过程的属性。您可以围绕它置信区间，测试它是否与二分之一（或另一个相关的零假设）有显着差异，等等。也许需要更改流程以使其公平。

描述性和推论这两种观点并不矛盾，而是截然不同。

第二个问题的答案是，即使只对一个人进行抽样，也要计算关于人口参数的假设区间并检验假设是有意义的。请注意，配置项和测试必须考虑被抽样人群的相当一部分：请参阅有限人群校正。