本章导言
第9–15章研究给定概率模型的性质。本章把问题改为从观测推断未知分布：先规定模型、参数和统计目标，再讨论数据经过汇总后保留哪些信息。似然是固定数据后的参数函数，抽样分布则描述反复收集数据时统计量的变化；理解这一区别，是后续估计与检验的前提。
正态样本的t、卡方和F分布提供有限样本精确推断的工具。充分统计量与因子分解解释数据汇总，指数族、完全性和辅助统计量为估计最优性提供条件。最后讨论不放回抽样与随机实验，说明独立同分布并非所有数据的默认模型。
先修知识与阅读方式
先读16.1确定模型与目标，再分到三条工具线：16.2提供精确抽样分布；16.3→16.4研究充分性与完全性；16.5研究抽样设计。16.5可从16.1直接进入，不必等充分性路线结束。一般密度和因子分解证明需要9.6及11.1–11.2。
可在全书学习路线核对先修内容。各节入口列出具体先修与阅读位置，全书依赖图区分主线、并列分支与技术延伸。各节注明完整证明、证明思路和引用定理的范围。
本章各节
- 16.1 统计模型、似然与可识别性
Models, Likelihood and Identifiability - 16.2 正态抽样、枢轴量与精确分布
Sampling Distributions and Pivots - 16.3 充分统计量与因子分解
Sufficiency and Factorization - 16.4 指数族、完全性与辅助统计量
Exponential Families and Completeness - 16.5 抽样设计、偏差与随机化实验
Sampling Design and Randomization