在一个典型的统计问题中，它是……一类[已详细说明的]定律，其中任何一个都可能是实际支配我们将观察其结果的机会装置或实验的定律。我们知道潜在的概率定律是这个类的一个成员，但我们不知道它是哪一个。然后，目标可能是根据实验的结果确定一种“好的”猜测方式，哪个可能的潜在概率法则是实际支配我们要观察其结果的实验​​的法则。...

...统计推断[是]获得良好猜测方法的主题。...

讨论现代统计推断的所有重要思想是可能的……我们将尝试这样做。

-- Jack Karl Kiefer，《统计推理导论》，第 1-3 页。施普林格出版社，纽约（1987 年）。

基弗对“所有重要思想”的讨论充满了本文的其余部分。因此，主要章节标题（遵循初步的一般材料）可能有助于记录他认为包含统计推断的内容：

• 线性无偏估计（一般线性模型）

• 充分性（最大似然理论的概念）

• 点估计

• 假设检验

• 置信区间

值得注意的是，统计预测不包括在其中。

它包括您试图从使用统计数据的数据中得出关于潜在人口或数据生成过程的结论的任何程序。是的，这肯定包括点估计和区间估计等。

参考？- 我会从任何标题中带有“统计推断”的书开始，但维基百科也可以。

编辑/添加：这里有一些具体的参考资料。

首先，非常直接地指向您的观点，来自 Paul H. Garthwaite、Ian T. Jolliffe 和 Bryon Jones (1995)，Statistical Inference，Prentice Hall 的第 1 页。

“在统计推断中，我们使用数据样本来推断从人口（真实或假设）的某些方面获取数据。推断通常涉及一个或多个未知参数的值，这些参数描述了某些属性人口，例如其位置或分布。

推理主要分为三种类型，即点估计、区间估计和假设检验……”

这是我最喜欢的，AH Welsh (1996)，Aspects of Statistical Inference，John Wiley & Sons

“统计推断涉及使用数据来回答 实质性问题。在可以有效应用统计推断的这类问题中，数据是可变的，因为如果可以多次收集数据，我们将无法获得每次都得到相同的数值结果。” （第 1 页）

“推理问题的组成部分是：

• 一个实质性的问题
• 我们将数据z解释为具有分布的随机变量Z的实现$F_0$
• 的模型$F_0$

推理的目的是通过将实质性问题重新表述为关于基础分布的问题 ，然后使用数据z、模型和我们必须回答关于的问题的任何其他信息来回答实质性问题。我们对提出的问题类型通常是以下两种类型中的一种或两种：$F_0$$F_0$$F_0$

• 该模型能否被视为与数据生成过程相当接近的近似值？

或者

• 的一组合理值 的特定值是否合理？$\theta(F_0)$$\theta(F_0)$

这些问题的答案是通过对统计的计算和解释从数据中得出的，这些数据是不依赖于任何未知参数的数据函数。”（第 31 页） -32)$t(z)$$t(Z)$