1. ?統計學在數據分析中的定位?
?核心作用?：統計學是數據分析的底層方法論，涵蓋數據描述、推斷預測和模型構建。
?兩大分支?：
?描述統計?（EDA階段）：數據清洗、特征工程的基礎（如均值/分布/可視化）。
?推斷統計?：AB測試、回歸預測等業務場景的核心工具。抽樣分布理論、參數估計、假設檢驗、方差分析、回歸分析、時間序列分析等
2. ?學習路徑建議?
?宏觀框架優先?：先建立知識地圖（如統計學的核心模塊和應用場景），再深入細節。
?分層學習法?：
?入門必學?（80%場景覆蓋）：
基礎統計量（均值/標準差/分位數）
概率分布（正態/泊松/二項分布）
抽樣與置信區間
假設檢驗（P值/顯著性）
相關性分析與線性回歸
8種基礎數據可視化圖表
?進階選學?（特定需求）：
時間序列分析
多元統計（聚類/因子分析）
貝葉斯統計
實驗設計（DOE）
3. ?深度把控原則?
?實踐導向?：
?工具優先?：掌握Excel/Python/R的統計函數（如
scipy.stats、sklearn），無需手推公式。?例外場景?：面試需理解原理（如中心極限定理的推導、假設檢驗的數學邏輯）。
?學習資源?：
入門教材：賈俊平《統計學》前6章 + 回歸分析章節
工具書：《Python數據分析手冊》《R語言實戰》
統計學書籍推薦表
書名 | 作者 | 特點 | 使用場景 |
|---|---|---|---|
《深入淺出統計學》 | 道恩·格里菲思（李芳 譯） | 結合圖像和小例子的形式進行講解，閱讀輕松 | 入門 |
《赤裸裸的統計學》 | 查爾斯·韋蘭（曹檳 譯） | 生動詼諧的案例，通俗易懂，圖文并茂，學習統計學不會那么枯燥 | 入門 |
《統計學：從數據到結論》 | 吳喜之 | 沒有復雜的公式，內容講得通透。內容不死板，一本小書一天就看完 | 入門 |
《大話統計學》 | 陳文賢、陳靜枝 | 前后連貫，各章呼應。可從零開始接觸統計學，并真正應用到工作中 | 入門 |
《應用統計學》 | 張梅琳 | 從實用場景出發的高頻統計學知識點，3～4個小時就能看完 | 進階 |
《統計學》 | 賈俊平 | 數學原理講解完整 | 深入 |
《統計學習方法》 | 李航 | 與機器學習結合 |
4. ?關鍵提醒?
?避免過度學習?：非算法崗無需深究數理證明（如馬爾可夫鏈收斂性）。
?業務結合?：銷售分析重描述統計+回歸；用戶行為分析需掌握假設檢驗。
?持續迭代?：工作中遇到新需求（如生存分析）再針對性補足。
?示例場景?：
分析電商促銷效果時，只需：
用描述統計計算銷售額均值/環比（Excel函數）
用假設檢驗判斷活動是否顯著提升銷量（Python的
ttest_ind）用散點圖展示價格與銷量的相關性（Matplotlib）
無需推導t分布公式，但需看懂P值結論。
5. ?學習路線圖?
![[go] 橋接模式](http://pic.xiahunao.cn/[go] 橋接模式)
