概述
現代統計分析包括兩個部分，描述性統計和統計推斷。
描述性統計包括數值型描述統計和圖表型描述統計。數值型描述統計包括集中趨勢和變異程度，集中趨勢包括均值、中位數、眾數等，變異程度包括標准差、方差、四分位距等；圖表型描述包括條線餅點箱等，我比較喜歡箱型圖。
統計推斷包括參數估計和假設檢驗，前者基於大概率，后者基於小概率。抽樣和概率分布是統計推斷的基礎；參數估計包括點估計和區間估計；很多統計推斷方法則都是基於假設檢驗的，只是用的統計量不一樣。也有一些不是利用樣本推斷總體的變量分析方法，比如時間序列預測、聚類、主成分分析等。
知識圖譜
統計分析方法知識圖譜具體如圖，具體更完全版等后續攻克完再重新整理。
[1]
學習路徑
基本所有統計書籍都是描述性統計——概率和概率分布——假設檢驗——各種統計推斷方法——非樣本推斷總體的變量分析方法。
可以說路線是非常長了，我也是經歷過好多次這樣的過程，所以到假設檢驗這里就先不管了，從后兩方面入手。
其中市面上提及比較多的統計分析模型包括：
時間序列預測模型
回歸模型
聚類分析
主成分分析
因子分析
Logistic回歸
方差分析
另外常用數據挖掘模型包括：
聚類分析
關聯分析
神經網絡
決策樹
其他統計分析模型包括：
t檢驗
卡方檢驗
判別分析
多維尺度分析
對應分析
信度分析
等等
——所以，一個一個認真學吧，想哭
[1]《SPSS20.0統計分析方法基礎教程初+中高階》.張文彤