想学统计学需要掌握哪些知识
统计学知识点（完整）
统计学知识点（完整）基本统计方法第一章概论1、总体(Population):根据研究目的确定的同质对象的全体(集合);样本(Sample):从总体中随机抽取的部分具有代表性的研究对象。
2、参数(Parameter):反映总体特征的统计指标,如总体均数、标准差等,用希腊字母表示,就是固定的常数;统计量(Statistic):反映样本特征的统计指标,如样本均数、标准差等,采用拉丁字字母表示,就是在参数附近波动的随机变量。
3、统计资料分类:定量(计量)资料、定性(计数)资料、等级资料。
第二章计量资料统计描述1、集中趋势:均数(算术、几何)、中位数、众数2、离散趋势:极差、四分位间距(QR =P 75-P 25)、标准差(或方差)、变异系数(CV )3、正态分布特征:①X 轴上方关于X =μ对称的钟形曲线;②X =μ时,f(X)取得最大值;③有两个参数,位置参数μ与形态参数σ;④曲线下面积为1,区间μ±σ的面积为68、27%,区间μ±1、96σ的面积为95、00%,区间μ±2、58σ的面积为99、00%。
4、医学参考值范围的制定方法:正态近似法:/2X u S α±;百分位数法:P 2、5-P 97、5。
第三章总体均数估计与假设检验1、抽样误差(Sampling Error):由个体变异产生、随机抽样造成的样本统计量与总体参数的差异。
抽样误差不可避免,产生的根本原因就是生物个体的变异性。
2、均数的标准误(Standard error of Mean, SEM ):样本均数的标准差,计算公式:/X σσ=,说明抽样误差的大小。
3、降低抽样误差的途径有:①通过增加样本含量n;②通过设计减少S 。
4、 t 分布特征:①单峰分布,以0为中心,左右对称;②形态取决于自由度ν,ν越小,t 值越分散,t 分布的峰部越矮而尾部翘得越高;③当ν逼近∞,X S 逼近X σ, t 分布逼近u 分布,故标准正态分布就是t 分布的特例。
统计学知识点
统计学知识点在我们的日常生活和众多领域中，统计学都扮演着至关重要的角色。
它不仅仅是一堆复杂的公式和数字，更是帮助我们理解和解读世界的有力工具。
首先，我们来谈谈什么是统计学。
简单来说，统计学是一门研究数据收集、整理、分析、解释和表达的学科。
它帮助我们从大量的数据中提取有价值的信息，做出合理的决策，并对未来进行预测。
数据收集是统计学的第一步。
这可不是随便问问或者随便记录就行的。
要有明确的目的和合理的方法。
比如说，如果我们想了解某个城市居民的消费水平，不能只是在街上随便拉几个人问问，而是要通过科学的抽样方法，确保选取的样本能够代表整个城市的居民情况。
而且，收集的数据要准确、完整，否则后面的分析就会出大问题。
整理数据就像是给一堆杂乱的东西分类。
我们要把收集来的数据进行分类、编码，让它们变得有条理，方便后续的分析。
比如说，把不同年龄段、不同收入水平的人的消费数据分别整理出来。
数据分析是统计学的核心部分。
这里面有各种各样的方法和技术。
均值、中位数和众数是描述数据集中趋势的常见指标。
均值就是所有数据的平均值，中位数是把数据从小到大排列，位于中间位置的那个数，众数则是数据中出现次数最多的那个值。
通过这三个指标，我们可以大致了解数据的中心位置。
方差和标准差则是用来衡量数据的离散程度。
方差越大，说明数据越分散；标准差则是方差的平方根，更直观地反映数据的离散程度。
比如，比较两个班级的考试成绩，如果一个班级的标准差小，说明这个班级学生的成绩比较集中，差异不大；另一个班级标准差大，说明成绩分布比较分散，差异较大。
概率也是统计学中的重要概念。
它是用来衡量某个事件发生可能性大小的数值。
比如抛硬币，正面朝上的概率是 05。
在实际生活中，我们可以用概率来预测一些事情的发生可能性，比如明天是否会下雨，某种疾病在人群中的发病概率等。
假设检验也是统计学中常用的方法。
我们先提出一个假设，然后通过收集数据和分析来验证这个假设是否成立。
比如，一种新药声称能有效治疗某种疾病，我们就可以通过假设检验来判断这个说法是否可靠。
统计学知识点
统计学知识点统计学（Statistics）作为一门应用学科，研究如何收集、整理、解释和分析数据，从而提供有关人口、经济、环境、健康等领域的信息。
统计学广泛应用于商业、政府、医学、社会科学等各个领域。
本文将介绍一些统计学的基本概念和常用方法。
一、数据类型在统计学中，数据类型分为两类：定性数据和定量数据。
1. 定性数据：这些数据描述的是某些属性或特征，通常用文字或符号表示。
如性别、宗教信仰、职业等。
定性数据无法进行数值运算。
2. 定量数据：这些数据是数值型的，可以进行数学运算。
定量数据分为连续型数据和离散型数据。
连续型数据可以取任意值，如身高、体重等；离散型数据只能取有限的几个数值，如家庭人数、学生考试成绩等。
二、数据收集与整理1. 采样方法：在进行统计调查时，往往无法对全部人口或样本进行调查，而只能选择一部分进行调查。
采样方法包括简单随机抽样、分层抽样、系统抽样等，通过这些方法可以在保证代表性的前提下，有效地收集数据。
2. 数据整理：在收集到大量数据后，需要进行整理和清理。
这包括数据录入、去除异常值、处理缺失值等。
数据整理能够使数据更加准确和可靠。
三、描述统计学描述统计学是统计学的一个重要分支，旨在通过描述和总结数据的特征和规律。
1. 中心趋势度量：用于表示一组数据的中心位置。
常见的中心趋势度量包括均值、中位数、众数。
2. 离散程度度量：用于衡量一组数据的分散程度。
常见的离散程度度量包括方差、标准差、极差。
3. 分布形状度量：用于描述一组数据的分布形态。
常见的分布形状度量包括偏度和峰度。
四、概率与统计推断1. 概率：概率是描述随机现象发生可能性的数值。
统计学中的概率常用来描述抽样误差和推断结果的可靠性。
2. 抽样分布：通过样本数据的分析，可以获得统计量的分布。
常见的抽样分布包括正态分布、t分布和F分布。
3. 统计推断：通过抽样数据对总体进行推断。
统计学推断包括参数估计和假设检验，用于判断总体参数是否满足某种特定条件。
研究生统计学知识点归纳总结
研究生统计学知识点归纳总结统计学是一门关于收集、分析、解释和展示数据的学科。
在当代社会，统计学在各个领域都发挥着重要的作用，包括经济学、医学、社会学等等。
作为研究生统计学的学习者，掌握统计学的基本知识和技能至关重要。
本文将对研究生统计学的一些知识点进行归纳总结。
一、基础概念1. 总体与样本：总体是指研究对象的全体，而样本则是从总体中选取的一部分。
通过对样本进行统计分析，我们可以推断出总体的特征。
2. 变量与观测：变量是指研究对象的属性或特征，可以分为定性变量和定量变量。
观测是对变量的测量或观察结果。
3. 数据类型：数据可以分为定量数据和定性数据。
定量数据是可量化的数据，可以进行数值运算。
定性数据则是描述性的，不能进行数值运算。
在统计学中，还有一种特殊的数据类型，即序数数据，它具有顺序特征。
二、描述统计描述统计是对收集到的数据进行汇总、组织、描述和展示的方法，常用的方法包括中心趋势和离散程度的度量。
1. 中心趋势度量：常用的中心趋势度量包括平均数、中位数和众数。
平均数是所有观测值的总和除以观测值的个数，中位数是将所有观测值按大小排列后找到中间的值，众数是出现次数最多的值。
2. 离散程度度量：常用的离散程度度量包括极差、方差和标准差。
极差是最大观测值与最小观测值之差，方差是观测值与平均数之差的平方的平均数，标准差则是方差的平方根。
三、概率与统计推断概率和统计推断是统计学的核心内容，它们主要用于从样本中进行推断，以便理解总体的特征。
1. 概率基本理论：概率是描述事件发生可能性的数值，可以按照频率概率和主观概率进行解释。
概率的计算可以通过数学公式和概率模型进行。
2. 随机变量与概率分布：随机变量是指具有随机性的变量，它可以是离散型或连续型的。
概率分布则是随机变量的所有取值与对应概率的集合。
3. 统计推断方法：统计推断方法主要包括参数估计和假设检验。
参数估计是通过样本推断总体参数的值，常用的估计方法有点估计和区间估计；假设检验则是对总体参数提出假设，并根据样本信息来判断这些假设是否成立。
统计学基础知识要点
统计学基础知识要点统计学是一门研究数据收集、分析和解释的学科，是许多学科和领域中必不可少的工具。
在本文中，将介绍统计学的基础知识要点，帮助读者理解统计学的基本概念和应用。
一、数据类型在统计学中，数据可以分为两种类型：定量数据和定性数据。
定量数据是以数值表示的，可进行数值计算和比较的数据，如身高、体重等；定性数据则是描述个体特征的非数值数据，如性别、颜色等。
了解数据类型对于选择合适的统计方法非常重要。
二、测量尺度测量尺度指的是衡量数据的方式，常见的测量尺度包括名义尺度、序数尺度、区间尺度和比率尺度。
名义尺度仅用于分类，如性别；序数尺度可以排序，但没有固定的数值差异，如教育程度；区间尺度具有固定的数值差异，但没有绝对零点，如温度；比率尺度具有固定的数值差异和绝对零点，如年龄。
三、描述统计学描述统计学是对数据进行整理、总结和描述的方法。
其中常见的统计量包括平均数、中位数、众数和标准差等。
平均数是一组数据的算术平均值，中位数是将一组数据按大小顺序排列后的中间值，众数是数据中出现频率最高的值，标准差衡量数据的离散程度。
四、概率与概率分布概率是用来描述随机事件发生可能性的数值，常用的表示方法是百分比或小数。
概率分布是描述随机变量可能取得各个值的概率的函数或表格。
常见的概率分布包括正态分布、均匀分布和泊松分布等。
五、参数估计与假设检验参数估计是根据样本数据来估计总体特征的方法，常见的参数估计方法包括点估计和区间估计。
假设检验是通过对样本数据进行统计推断来对总体假设进行验证的方法，常用的假设检验方法包括t检验和卡方检验等。
六、相关分析与回归分析相关分析用于研究两个变量之间的关系，可以通过计算相关系数来描述变量之间的相关程度。
回归分析是一种用于预测和解释因果关系的统计方法，可以建立变量之间的数学模型。
七、抽样与调查抽样是从总体中选择出样本的过程，通过对样本进行研究得出对总体的结论。
调查是一种常用的数据收集方法，可以通过问卷调查、访谈等方式获取数据。
统计学的知识点
统计学的知识点统计学是一门研究数据收集、分析和解释的学科，它在各个领域都起着重要的作用。
在本文中，我将介绍一些统计学的基本概念和常见的知识点。
首先，让我们来了解一下统计学的定义。
统计学是一门科学，它研究如何收集、分析和解释数据，以便能够更好地理解和描述现象。
统计学可以帮助我们从大量的数据中提取有用的信息，并通过对数据的分析和解释来做出决策。
在统计学中，最基本的概念之一是数据。
数据是对某个现象或事件进行观察或测量得到的结果。
数据可以分为两种类型：定量数据和定性数据。
定量数据是可以用数字表示的数据，如身高、体重等；而定性数据是描述性的，如性别、颜色等。
为了更好地理解数据，我们需要对数据进行整理和总结。
这就引出了统计学中的另一个重要概念：描述统计学。
描述统计学是通过图表、图像和数值指标等方式来总结和描述数据的方法。
常见的描述统计学方法包括平均数、中位数、众数、标准差等。
除了描述统计学，统计学还包括推断统计学。
推断统计学是通过对样本数据的分析来推断总体特征的方法。
在推断统计学中，我们使用抽样方法来选择样本，并通过样本数据的分析来得出总体特征的结论。
常见的推断统计学方法包括假设检验、置信区间等。
在统计学中，我们还需要了解一些概率的基本概念。
概率是描述事件发生可能性的数值。
在统计学中，我们使用概率来描述随机事件的发生概率。
概率可以通过频率方法或基于理论的方法来计算。
此外，统计学还包括一些常见的概率分布和假设检验方法。
常见的概率分布包括正态分布、均匀分布、二项分布等，它们在实际应用中起着重要的作用。
假设检验是统计学中用来检验某个假设是否成立的方法。
通过对样本数据的分析，我们可以判断某个假设是否可以被接受或拒绝。
总结起来，统计学是一门研究数据收集、分析和解释的学科。
它包括描述统计学和推断统计学两个方面，可以帮助我们更好地理解和描述现象。
在实际应用中，统计学的知识点可以帮助我们做出准确的决策，并对数据进行合理的解释和分析。
大一新生统计学知识点汇总
大一新生统计学知识点汇总统计学是一门研究如何收集、整理、分析和解释数据的学科。
在今天这个数据爆炸的时代，统计学已经成为了一门必不可少的学科。
作为大一新生，了解一些基本的统计学知识将对你的大学学习和未来职业发展有着重要的帮助。
在这篇文章中，我将为大家汇总一些大一新生需要了解的统计学知识点。
一、统计学的基本概念统计学的核心概念包括总体、样本、变量等。
总体是指我们想研究的全部个体或事物的集合，而样本则是从总体中取得的具有代表性的一部分。
变量是可以被测量和记录的特征或属性。
在统计学中，我们通过对样本进行观察和测量，来了解总体的情况。
二、数据的分类数据可以分为定性数据和定量数据两种。
定性数据是描述性的，通常用于记录个体的特征或属性，如性别、血型等。
而定量数据则是可以进行计量和统计的数据，包括离散型数据和连续型数据。
离散型数据是指只能采取有限个数值的数据，如整数。
连续型数据则是可以取任意值的数据，如测量身高、体重等。
三、统计图表统计图表是用来可视化数据的工具。
常见的统计图表包括柱状图、折线图、饼图等。
柱状图适用于比较不同类别的数据，折线图适用于展示数据的趋势和关系，饼图则适用于展示比例关系。
通过使用统计图表，我们可以更直观地理解和呈现数据。
四、描述统计学和推论统计学统计学可以分为描述统计学和推论统计学两个分支。
描述统计学用于总结、分析和展示收集到的数据，包括测量中心位置、离散程度、分布形状等。
推论统计学则是通过样本对总体进行推断，包括参数估计和假设检验。
描述统计学和推论统计学相辅相成，可以帮助我们更全面地理解和解释数据。
五、概率与统计的关系概率与统计是密切相关的两个概念。
概率是研究随机现象的可能性和规律性的学科，而统计则是通过收集和分析数据来推断总体特征的学科。
概率和统计相互依存，概率理论为统计学提供了理论基础，而统计学方法则为概率理论提供了实际应用。
六、常见统计学方法在统计学中，有一些常见的方法被广泛应用于数据分析。
统计学基础知识
统计学基础知识统计学是一门研究数据收集、分析和解释的学科，它可以帮助我们理解和解释世界上发生的各种现象。
在这篇文章中，我将介绍统计学的基础知识，包括统计学的定义、应用领域和一些常见的统计方法。
首先，统计学是一门关于数据的科学。
它通过收集和分析数据来描述和解释现象。
统计学的目标是通过统计推断和预测来了解和探索现实世界。
统计学有许多应用领域，包括商业、医学、社会科学和工程等。
在商业领域，统计学可以用于市场调研、销售预测和财务分析等。
在医学领域，统计学可以用于研究药物的有效性和副作用、病人的生存率和疾病流行病学等。
在社会科学领域，统计学可以用于调查问卷、民意调查和数据分析等。
在工程领域，统计学可以用于质量控制、生产计划和可靠性工程等。
统计学有两个主要的分支：描述统计学和推断统计学。
描述统计学用于总结和解释数据的性质和特征。
它包括计算均值、中位数、标准差等统计量，以及绘制图表和图形来表示数据的分布和关系。
推断统计学用于从样本数据中做出关于总体的推断和推断。
它通过抽样方法来推广结果，并使用假设检验和置信区间等方法来评估推断的一致性和可靠性。
统计学包括许多常见的统计方法。
例如，t检验是用于比较两个群体均值的方法。
方差分析（ANOVA）是用于比较多个群体均值的方法。
回归分析用于研究变量之间的关系并建立数学模型。
卡方检验用于检验观察值与期望值之间的差异。
这些方法都是统计学中常用的工具，可以帮助我们从数据中得出结论并做出决策。
统计学的一个重要概念是随机性。
随机性是指由于种种原因导致的不可预测的结果。
在统计学中，我们可以通过概率来量化随机性。
概率是一个介于0和1之间的数字，表示事件发生的可能性。
通过概率，我们可以计算事件的期望值和方差，从而对随机事件进行有效的管理和决策。
在数据分析过程中，统计学家还需要关注数据的可靠性和有效性。
数据的可靠性是指数据是否准确和完整。
数据的有效性是指数据是否能够代表我们要研究的现象。
为了提高数据的可靠性和有效性，统计学家需要合理设计实验和调查，采取适当的数据收集方法，并运用适当的统计方法进行数据分析和解释。
统计学内容
统计学是一门研究数据的收集、整理、分析和解释的科学，旨在通过推断和预测来描述和揭示数据的内在规律和特征。
以下是统计学的主要内容：
1. 数据收集：统计学的基础是数据，因此首先需要收集数据。
数据可以通过调查、观察、实验等方式获得，并需要对数据进行审核、筛选和处理，以确保数据的质量和可靠性。
2. 描述性统计：描述性统计是通过对数据的特征进行描述来了解数据的分布情况。
常见的描述性统计量包括均值、中位数、众数、方差、标准差等。
3. 探索性统计：探索性统计是通过图形和统计方法来探索数据的分布情况和变化规律。
常见的探索性统计方法包括直方图、箱线图、散点图、折线图等。
4. 因果关系分析：因果关系分析是通过实验和观察来研究两个变量之间的因果关系。
因果关系分析的基本方法是回归分析，包括线性回归、逻辑回归等。
5. 时间序列分析：时间序列分析是通过分析时间序列数据来预测未来的趋势和变化。
时间序列分析的基本方法是ARIMA模型、VAR模型等。
6. 假设检验：假设检验是通过样本数据来检验总体中的一个或多个假设是否成立。
假设检验的基本方法是t检验、方差分析等。
7. 风险评估：风险评估是通过统计方法来评估不确定事件对目标的影响程度，常见的风险评估方法包括因子分析、主成分分析等。
8. 统计分析软件：统计学需要借助统计分析软件来进行数据处理和分析。
常用的统计分析软件包括SPSS、R语言、Python等。
总之，统计学是现代科学中不可或缺的一环，其应用范围广泛，包括自然、社会、经济、医学等多个领域。
统计学知识点总结
统计学知识点总结统计学是一门研究数据收集、分析、解释和展示的学科。
它是社会科学和自然科学的桥梁，也是决策制定和预测的重要工具。
统计学的基本原理和方法对于理解现实世界的变化和规律具有重要的意义。
本文将从数据收集、概率、统计推断、回归分析和统计软件等方面对统计学知识点进行总结。
数据收集数据是统计学的基础，它们用于描述和解释现实世界的现象。
数据收集的方式多种多样，包括实地调查、实验、问卷调查和网络爬虫等。
数据的质量直接影响到统计分析的准确性和可靠性。
在数据收集过程中，需要注意数据的来源、样本的选择和数据的采集方式。
同时，还需要考虑数据的可靠性和有效性，以及数据的记录和存储方式等。
概率概率是统计学的重要概念，它用于描述或预测事件发生的可能性。
概率的基本规则包括互斥事件、独立事件和条件概率等。
通过概率的计算，可以对未来事件的可能性进行预测，并且可以对统计分析的结果进行解释。
概率在统计学中有着广泛的应用，包括在风险管理、市场预测和医学诊断等领域。
统计推断统计推断是统计学的核心内容，它用于从样本推断总体的特征或参数。
统计推断的方法包括点估计和区间估计，以及假设检验和置信区间的计算。
通过统计推断，可以对总体参数进行估计和推断，并且可以通过假设检验来判断样本和总体之间的差异。
统计推断的方法在市场调研、政策评估和产品质量控制等方面有着广泛的应用。
回归分析回归分析是一种用于分析变量之间关系的方法，它可以用于预测和解释变量之间的关系。
回归分析的基本原理是通过回归方程来描述自变量和因变量之间的关系。
通过回归分析，可以对变量之间的影响和关系进行定量化，并且可以对未来趋势进行预测。
回归分析在经济预测、市场分析和产品销售等方面有着广泛的应用。
统计软件统计软件是进行统计分析的工具，它包括SPSS、SAS、R和Python等多种类型。
统计软件可以通过简化数据分析的过程，提高数据分析的效率和准确性。
同时，统计软件还可以实现数据可视化、数据挖掘和大数据分析等功能。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
想学统计学需要掌握哪些知识？发表于2013-12-19 00:11 来源：知乎网这是一个很好的问题，对于新手、特别是非统计科班出身的人来说，心里总是有这样的顾虑，掌握的统计学基础只是不够，然而又应该从哪里入手呢？以下是中国统计网整理自知乎的一些答案，希望对大家会有所帮助。
@肖玄：我认为首先要明确的是学统计干什么，如果有明确的作用，比如时间序列，市场调研这些，那么推荐书籍各不一样，统计终究只是一个工具，在实际运用中的偏重和变化还是蛮大的，如果不是有特别的目的，只是想要了解统计的话建议从理论基础看起，再看一些实际操作的书会比较好。
基础书籍，我看前面各位大师都推荐的差不多了，就不详细写了，就简单写一下我理解的基础书籍涉及的方面第一个是《统计学基础》，建议这个先看，至少能大致了解统计是什么东西。
只看过人大版的，私底下觉得逻辑还是有点问题，大神勿喷，也许是我脑子笨。
不过作为入门还是不错的。
接下来就是《概率论与数理统计》，这是所有数学学科中最霸气的一门，没有之一。
然后是《多元统计》《时间序列》，基本上到这里统计大致的框架已经有了。
其他的《非参数统计》、《贝叶斯统计》等等看自己需要。
另外这里推荐一本非主流的书，高级调查分析师考试中的《预测与决策》教材，这是我最喜欢的一本统计相关的教材，没有之一。
但是貌似现在要买到比较难，如果有哪位知友知道哪里有买，那么求共享，我也只有一个打印的版本。
操作书籍，好吧，我知道这4个字比较糙，大家将就看。
如果要涉及开源软件，建议R，知乎上面关于学习R的数据推荐太多，不重复了，自己搜一下就行了。
就说一下SPSS，这里推荐第一个是中文版的SPSS操作手册，这个绝对是宝典，另外可以参考一本实际案例的书，哪本都行，关键是要跟着案例自己去操作分析。
通俗书籍，最后推荐一点统计的通俗书籍，理论毕竟看起来太烦，通俗的读物可以帮助更多的理解，像《统计陷阱》，《深入浅出XXX》，这些都适合入门的看一下。
另外如果有明确的目的，最好看一下统计学之前分析的方法，比如如果你做市场分析方面的话，可以去了解下消费者行为学，市场营销理论，这样才能了解统计在学科上的意义。
@邹日佳：还是强烈推荐先把理论搞清楚，见过直接上软件搞统计的，解释数据一塌糊涂，连回归做的是因变量的期望都不知道。
前期需要：微积分统计学知识较深，用的地方非常广，还是希望说一下您想做什么用。
是在工程上用？还是在临床试验上用？还是基因组排序上用？处理金融资产实现无风险套利时用？亦或是在法律统计上用？无论怎样，数理方面一定要过关，不论是t统计量、卡方统计量、F统计量，一定要知道它的式子是个什么形式，这样才好说明意义，也才好进行筛选与对比，可以找《概率论与数理统计》这本书看一看能做统计的软件太多了，SAS、R、S-PLUS、SPSS、Eviews、Matlab，都可以以后学的统计知识得看你想拿它做什么用，软件也要根据你不同的用处来选择，等你修改好问题后，我会再来具体说明的。
@王洪城:忽视对象和目标而谈方法，的确是耍流氓。
统计学太宽、太杂，而且正处在蓬勃发展之中，任何一个细小的领域都能耗尽人的一生。
况且统计学这东西，用的很广，越来越多的文科生都想用用统计来支持自己的结论。
文科生、工科生、经管类学生、数学系学生有不同的目标，自然方法不一样。
不过，如果只是想要粗略地了解统计学的大概的话，还是有一些很好读的书的。
比如《女士品茶》、Rao 的《统计与真理》，这些可以了解（只是了解）统计的思想、哲学和历史。
国内吴喜之《从数据到结论》、Freedman的《统计学》都写的很不错，有一些很好的案例，对统计的一些概念也会有一些理解。
感觉统计就跟医学差不多，对付小感冒这种病，只要自己买药，按照说明书服用，就ok了；如果只是像做个回归，看看相关系数这种，现在已经有很成熟的方法和软件，像exel和spss。
遇到复杂一点的问题还是请教专业人士吧，即使你能够用一些方法得出结果，对结果的解释也是很大的一个问题，大病还是得到医院治。
当然我并不是说统计很难，无法自学成功。
统计并不难，只是无法速成，只是统计自身的特殊情况（对于特定情况下的模型选择、结果解释，即使在专业人士之间也会有争议）使得统计有很大的灵活性，只有对统计了解地够多，才能够应付多变的情况，得到最符合预期且合理的结果。
一句话，想得多，读得少。
想了解直接就去看，缺啥补啥呗。
@郑来轶:给你推荐几本统计学的经典图书，《深入浅出统计学》、《漫画统计学》、《女士品茶》、《爱上统计学》、《统计陷阱》，都很不错的。
然后就是上中国统计网@李超群，电商界的小数据分析猿专注潜水二十年，头一次被邀请，照这趋势看，不用多久，我就会升职加薪，当上总经理，出任CEO，迎娶白富美，走上人生巅峰。
想想还有点小激动呢~………………………………呃，万万没想到，醒来后还是那个王大锤。
OK，回到正题，题主的这个问题啊，就像是在一个项目中一样，真正的用户（通常情况下我们可以称为“优秀”的用户，原因在下面解释）对自身的需求从来是不明确的，而优秀的产品经理呢，就是尽可能地明确用户的需要，然后与项目经理沟通，再交给项目成员（干活的苦力）实施完成。
说到这儿，有过喜当爹或者喜当妈经验的同学们就会有经验了。
没错，想想吧，突然你家小宝贝儿哭了，哭得声嘶力竭，惊天动地。
怎么了？不舒服了？饿了？渴了？痛了？冷了？热了？害怕了？对了，这里我们要补充一个背景设定，小宝贝儿不到1岁，还不能通过语言沟通。
这个时候怎么办呢？年轻的爸爸妈妈们开始讨论了，这是怎么回事儿，怎么突然哭了呢？爸爸：是不是不舒服？（提出原假设H0）妈妈：废话！你要是舒服了会哭吗？（根据长期的观测值与经验判断，舒服并哭的出现概率极低，近似为0，接受原假设，==>孩子不舒服）爸爸：那怎么就哭了呢？上午刚哭了一次，好不容易才哄好。
（判断事件发生频率是否符合常态，判断是否是异常值，检查基础数据的准确性，是否存在观察误差）妈妈：你不耐烦了是不是？天天给你做饭，昨天吃了今天就别吃！（在绝对值上下波动，符合正态分布，基础数据的准确性没有问题）爸爸：说到吃饭，宝宝是不是饿了啊？（由经验判别，宝宝饿了==>哭泣，提出假设：宝宝饿了）妈妈：不可能，才喂了奶不到半个小时（在这里我们假设正常情况下宝宝每3个小时喝一次奶，左右波动0.5小时，那么可以知道：设X为宝宝喝奶的时间，假设服从正态分布，有X~N(μ，0.5^2），样本容量n=1，样本均值X1=0.5，提出的假设为：HO:μ=3；H1:μ≠3设显著性水平α为0.05，所以临界值1.96，原假设H0的否定域为V1=｛|Z|≥1.96｝检验统计量Z=（0.5-3）/（0.5/根号下1）=-5因为|-5|=5》1.96，落在否定域内，所以要否定原假设，表明宝宝这次的表现不符合标准的3个小时会饿的情况，所以宝宝不是因为饿了才哭的……）爸爸：那，是被蚊子咬了吗？妈妈：大冬天的，哪来的蚊子？（p(冬天|蚊子）=0，不可能事件）…………………………………………经过无数轮讨论，呃~这时我们的宝宝声音已经哭哑了……妈妈得到了最终结论：宝宝尿床了！于是爸爸吩咐保姆，快给孩子换尿布，洗床单保姆：顺利完成任务爸爸检查保姆的任务完成情况，并制作工作周报上交给妈妈妈妈观察宝宝的状态，觉得还可以，给了爸爸一笔钱爸爸给保姆发工资——————整个事件得到了完美的解决————————幸好跑题还不是太远，还是可以扯回来的其实在以上事件中，套用了一个比较简单的项目流程模型：宝宝扮演了用户的角色，提出了需求；妈妈则是产品经理，把控了整个项目的方面，并负责了用户与项目经理及项目成员的沟通协调；爸爸是项目经理，提出解决方案，交由组员实施；保姆就是实施的组员。
所以为什么说不明确自身需求的用户是“优秀”的用户呢？通常意义下，更有利于产品经理的发挥，也就是方便忽悠钱。
去年在电力集团做SAP实施，最直观的感觉就是，只要能忽悠住了用户，实施顾问们肆无忌惮圈钱的感觉真棒！那么在整个项目的决策与实施中，我们套用了一些统计学上的概念来解释日常的概念，是因为统计学最初是基于生活中的基本现象而产生的，比如山顶洞人一天可以采集多少浆果？赌场里连续出老千不被打断两条腿可能吗？晴川打败所有竞争者晋升为老佛爷而不被干掉的概率是多少？……所以平常在和别人交流时，偶尔会有这种的感觉，就是通过有过系统学习统计学的背景的人，他们的思维方式会与其他背景的人存在差异，通常前者会试图通过逻辑性与概率来证明观点或思考。
也就是说，其实统计学的思维，在自觉不自觉之间就融入到了个人的生活中，刚毕业后去找工作，面试官一听说是统计学毕业，总会问一句你的专业对这份职业的优势是什么？曾经统计过我们这一级同学对这类问题的回答，大多数都回答“统计是工具，是一种思维方式，需要和其他的知识或领域结合……巴啦巴啦”（当然这也是由于我们这一级的家伙，80多个人，有50多人选修了第二专业，为了侧面烘托自己的优势也会这么去说).所以扯了这些，其实只是想告诉题主，统计学的学习，需要先把这门知识，化为日常生活中的一点一滴，不要把统计学只落在纸面或试卷上的冰冷文字，它是有命的，在生活中习以为常的事情，背后都有各种有趣的统计知识。
虽然不清楚题主希望从事的方向（应用统计/理论统计……）不过对于入门来讲，需要事前掌握的知识不需要多么的特殊，有一定的数理知识基础，学习了高等数学，就基本上相当于解决了前置技能，所需要的不过是找到合适的教材与合适的老师，加上认真学习，并尝试在生活中应用就可以。
推荐阅读的几本书：和楼上的几位会有重合的部分。
《女士品茶——20世纪统计学怎样变革了科学》，很有趣的统计学发展史；《统计陷阱》数字是怎样欺骗了你《深入浅出统计学》《深入浅出数据分析》深入浅出系列出品，必属精品《统计与真理----怎样运用偶然性》《统计学的世界》《爱上统计学》有些概念性的知识，可以强化掌握《漫画统计学》系列《社会心理学》戴维·迈尔斯第8版--这本书作为心理学的教材，超经典。
毕业前曾认真读了一遍，可以看到心理学与统计学的结合以上书籍为课外阅读，至于正式学习的教材么~本科时基本上全使用的是人大版的教材，黄皮封面的那些，说实话，即枯燥又无味，印象最深的是人大版的《抽样技术》，有很多印刷错误，以致上课时亲爱的teacher 会先花十分钟，在黑板中把本章节中错漏的地方通知大家修改过来~（PS：teacher是本校数理统计方向数一数二的大牛）后来偶然间接触了一些国外的教材，惊为天人。
学习教材参见肖玄与李少洋，尚可的推荐即可以上，为熬夜敲出，纯属个人毕业后混迹软件实施行业与电商数据分析行业的小小感悟，看看就好，不必太当真。
来自：/question/19624858。