学习目标：
- 统计学基础知识
- 统计(假设)检验相关
- 用R语言进行统计学相关分析计算
统计学基础知识：
统计学入门路线与基础知识导读
基础入门及偏应用向：
概率论与数理统计；医学统计学
优点：快速了解统计学技术
缺点：统计学基础不扎实，本质上还停留在纯应用层次。
相对完整的统计学学习：
概率论与数理统计；回归分析；实验设计；抽样技术；多元统计学；随机过程；时间序列分析；统计计算
优点：基础绝对扎实，缺点：学习周期长！
老师推荐路线
纯基础理论：
概率论与数理统计；医学统计学；概率论教程
学习顺序：
- 《医学统计学》李晓松版（可以自学）
- 《概率论与数理统计》浙江大学 版(MOOC配套视频)
- 《概率论与数理统计》 陈希孺先生版（自学，要基础，选择阅读）
- 《概率论基础教程》Sheldon Ross版(外国主流，翻译靠谱，由浅入深，非常推荐！)
image-20200130124746827.png
进阶1:
线性代数(先)+多元统计学(后)；应用回归分析(大数据分析)
image-20200130125153456.png
线代代数是多元统计的基础；多元统计是回归分析的基础；以上两者是机器学习，人工智能的基础；
学习顺序：
- 《应用多元分析》+MOOC
-
《线性代数及其应用》《应用回归分析》（根据课题状况抽时间看）
image-20200130130007583.png
线代：不需要去解，有程序，只需要知道1+1可以加
多元统计：应用
进阶2:
统计学习；机器 学习；
image-20200130130358532.png
image-20200130130630817.png
关于R语言学习：
强烈推荐：《R语言编程艺术》
关于学习的一点建议：
费曼学习法：
- 第一步：把它教给一个小孩子（复杂拆成简单概念）
- 第二步：回顾（表述的不清楚的进行回顾）
- 第三部：将语言条理化
- 第四部（可选）：传授（真正懂，是能把一个复杂的概念以一种简单的方式传授出去）
尝试构建自己的知识网络：
- 思考作者为什么要这么写？
- 思考编者为什么要这么编？
- 思考如果换做是你，你会怎么传授知识？
