其次這裏有冷水壹盆（暫時讀不懂沒關系，有大致方向就好）：想學到幹貨，沒有捷徑可走。要真正系統性和透徹地學好數理統計，需要微積分、線性代數、概率論（尤其是概率論！）的基本知識。微積分是高級計算的基本工具；線性代數是對為了對變量關系進行處理以簡化，便於後續理解和計算；
概率論是數理統計分支的基礎和來源，關於數據的許多基本概念和幾乎所有高等數學中與統計相關的定理，都在概率論中有最本源的講解，如：方差（D[X]），期望(E[X])，常見的幾種數據分布（distribution），中心極限定理（CLT），強/弱大數定律……
為什麽要這樣：妳可能覺得要學的看起來好多，而且後面提到的幾個定理聞所未聞有點縹緲，壹時看不懂有什麽用，這是很正常的。筆者在此強行劇透，以讓妳對概率論的重要性和實用性有壹定了解——在數據量足夠大且並無顯著分布特性的情況下（現實中，這種情況反而比書本上標準化的那些分布更多），理論上，所有類型的數據都可以通過適當的處理趨於同壹分布，即：標準的正態分布N(0,1)！如果妳只是出於非科研並不嚴格的工作需要想要了解數理統計，或者實在不想花太多時間在高等數學上，那麽建議妳簡化掉微積分和線性代數的學習，把重點放在：必備的概念和定理（知其然即可，不需要知其所以然）；數據處理軟件，如R, S等。
以上。祝學習順利。