第1章 课程介绍【欢迎学习，学习中有任何疑问请在问答区进行问答，祝愉快学习！】
1-1 课程导学 (22:26)
1-2 课程学习的注意事项 (03:26)
1-3 课程编程环境搭建 (05:56)
第2章 认识数据【必备基础知识，不能跳过】
2-1 数据和变量 (13:24)
2-2 测量尺度 (19:18)
第3章 描述统计【核心内容，重点学习】
3-1 什么是描述统计 (11:32)
3-2 一个分类变量的特征和可视化 (16:00)
3-3 一个数值变量的特征和可视化(上) (19:22)
3-4 一个数值变量的特征和可视化(下) (14:12)
3-5 分布的形状 (08:34)
3-6 变量间的关系 (17:57)
3-7 极端值与缺失值 (13:48)
3-8 本章小结 (03:00)
3-9 【讨论题】均值和方差的实际应用场景和含义
3-10 【讨论题】如何处理缺失值
第4章 描述统计的编程实现【重点实战章节，建议跟着老师一起敲代码实现】
4-1 频数 (05:24)
4-2 频率 (05:21)
4-3 集中趋势 (16:00)
4-4 离散趋势 (17:11)
4-5 散点图和折线图 (07:44)
4-6 条形图和直方图 (09:38)
4-7 箱线图 (06:40)
第5章 概率和概率分布【重点章节，必须掌握的概率论知识】
5-1 什么是概率论 (14:43)
5-2 概率 (13:21)
5-3 编程理解小数和大数定律 (08:03)
5-4 再谈变量 (09:31)
5-5 离散型随机变量及其分布 (22:38)
5-6 连续型随机变量及其分布 (22:38)
5-7 本章小结 (02:05)
第6章 样本和抽样分布【重点章节，样本均值的分布】
6-1 总体与样本 (10:48)
6-2 抽样分布 (07:53)
6-3 常用统计量的分布 (17:40)
6-4 正态总体的样本均值和样本方差的分布 (23:42)
6-5 编程理解中心极限定理 (07:16)
6-6 随机抽样, 误差源, 随机分配 (09:59)
6-7 本章小结 (03:26)
第7章 参数估计【点和区间估计】
7-1 点估计 (18:41)
7-2 编程理解无偏性 (09:09)
7-3 编程理解相合性 (06:16)
7-4 区间估计 (22:31)
7-5 置信区间：一个正态总体的情况(上) (14:01)
7-6 置信区间：一个正态总体的情况(下) (12:58)
7-7 编程求置信区间：一个正态总体的情况(上) (10:09)
7-8 编程求置信区间：一个正态总体的情况(下) (11:51)
7-9 置信区间：两个正态总体的情况(上) (16:38)
7-10 置信区间：两个正态总体的情况(下) (14:24)
7-11 编程求置信区间：两个正态总体的情况(上) (14:45)
7-12 编程求置信区间：两个正态总体的情况(下) (11:04)
7-13 单侧置信区间 (06:43)
7-14 本章小结 (03:35)
7-15 【学习任务】换一种方式梳理总结第六和第七章
第8章 假设检验【频率论方法】
8-1 什么是假设检验 (16:45)
8-2 正态总体均值的假设检验(上) (15:28)
8-3 正态总体均值的假设检验(下) (23:16)
8-4 置信区间与假设检验的关系 (10:05)
8-5 编程实现正态总体均值的假设检验(上) (16:19)
8-6 编程实现正态总体均值的假设检验(下) (12:30)
8-7 正态总体方差的假设检验 (09:57)
8-8 编程实现正态总体方差的假设检验 (12:03)
8-9 决策错误与统计功效 (23:01)
8-10 统计显著性与实际显著性 (05:50)
8-11 z检验, t检验, 卡方检验, F检验的前提条件 (06:24)
8-12 本章小结 (02:39)
第9章 方差分析【多于两个总体均值的比较方法】
9-1 什么是方差分析 (18:23)
9-2 单因素方差分析(上) (11:07)
9-3 单因素方差分析(下) (17:39)
9-4 多重比较 (12:30)
9-5 编程实现单因素方差分析 (14:24)
9-6 双因素方差分析(上) (20:38)
9-7 双因素方差分析(下) (19:26)
9-8 本章小结 (02:34)
第10章 线性回归【重难点，建议多看视频】
10-1 协方差 (14:33)
10-2 相关 (21:13)
10-3 编程理解协方差和相关 (10:57)
10-4 一元线性回归(上) (18:26)
10-5 一元线性回归(下) (09:11)
10-6 一元线性回归的前提条件 (07:55)
10-7 回归模型的评价指标 (07:08)
10-8 一元线性回归的假设检验 (17:51)
10-9 编程实现一元线性回归 (08:55)
10-10 多元线性回归(上) (19:44)
10-11 多元线性回归(下) (13:42)
10-12 常用的检验都是回归的一种特殊形式 (15:38)
10-13 统计中的回归与机器学习中的回归 (08:50)
10-14 本章小结 (06:42)
10-15 【学习任务】统计学与机器学习的关系
第11章 非参数检验【重难点，请认真学习】
11-1 什么是非参数方法 (07:29)
11-2 非参数方法举例 (23:07)
11-3 Bootstrap (14:34)
11-4 Permutation (07:44)
11-5 本章小结 (02:01)
第12章 贝叶斯统计【重在掌握方法，请好好学习】
12-1 什么是贝叶斯统计 (04:06)
12-2 概率知识 (12:10)
12-3 概率树 (14:36)
12-4 贝叶斯推断(上) (16:03)
12-5 贝叶斯推断(下) (11:03)
12-6 置信区间 (10:00)
12-7 本章小结 (01:58)
12-8 【讨论题】频率论方法vs贝叶斯方法
第13章 更广阔的的统计学世界【祝大家学以致用】
13-1 课程结语 (23:08)
