统计学存在的价值其实就是因为数据的不确定性，以及由此产生的抽样误差，没有不确定性，没有抽样误差统计学的存在就没有理由了。

随机性

什么是随机性？结果你无法预料时，这就是随机现象，比如你不知道掷骰子会出现多大的点数，你也不知道吸烟是否会让你得癌症，你不知道今天老师上课是不是会点你的名？这些都是随机现象句。

随机是不确定的，比如两个人都得的是高血压，在服用同一种药物后，有的人没有变化，有的人血压会降低，有的人血压会变高，这就是不确定性，同样的成绩考入一所大学，如果再进行一次高考，那么这两个人的成绩可能会不一样。

抽样误差

即使是一个代表性非常好的样本，他也无法真正等同于总体的，总会存在一定的抽样误差，那么到底什么是抽样误差呢？

比如想了解大一新生的平均身高，假设今年有1000名新生，由于经费人力时间等限制，我只能从中抽取一个样本来推断1000名新生的身高，我随机从中抽取了100人，由于每个人抽中的概率是完全相同的，因此我无法知道我抽取的是哪100个人，这100个人的平均身高，比如是175厘米，那么我推断今年2019级新生的平均身高是175厘米。有些同学可能发现了，比如我再做一次抽样，可能抽中的是另外100人，这100人的平均身高可能是172厘米，如果另外一名同学再做一次抽样的话，有可能这，100人的平均身高是177厘米。理论上这种抽样可以做很多次，而每次的平均身高都是不一样的，这种不同就是所谓的抽样误差，由于抽样误差的存在，如果我们用样本的统计量，据直接估计总体的参数，则肯定会有一定的偏差，幸运的是我们有统计量能够测量这种偏差的大小。偏差越大说明抽样误差也越大，那么样本的代表性就不是很强，这种情况下我们需要加大样本量，否则结果就是不可靠的。