你好！描述统计分析的指标通常如下：1.描述数据的集中趋势：众数，中位数2.面熟数据的离散趋势：最大最小值，极差，四分位差，方差与标准差.3.数据分布的偏度与峰度. 指标是反映一个事物特点的量，当然他也是变量. 变量是统计学研究中对象的特征。它可以是定性的也可以是定量的，一个定量变量要么是离散的，要么是连续的。社会科学中研究变量的关系，通常把一个变量称为自变量（独立变量），另一个变量称之为因变量（依赖变量）. 统计上的绝对量指标，按其取值的特点不同可分为离散变量与连续变量。 标志一词，我没听说过，应该不是统计里面的特定意义.
统计学的计算题，一般都是在教材上出现的例题，如果实在搞不懂，可以把例题背出来，考试一般是可以过的。如果是在计算题不行就放弃，把其他文字题复习好一样也是可以过关的。
除了熟悉业务、掌握业务分析思维和工具外，数据分析专家必备技能堆栈还有一个特别重要的知识点：统计学。 无论是简历的技能描述还是实际面试中，统计学都是必须的基础知识。为什么统计学对数据分析师来说那么重要？ 其实答案很明显。 数据分析的价值在于，通过数据洞察业务背后的信息，避免以往“决定拍脑袋，保证拍胸部，拍屁股就走人”的主观误判，一切用数据说话。 数据怎么能说话？ 算出一个数据，怎么知道那个数据好不好？ 有多好？ 两组数据出现在你面前，如何判断这两组数据是否有明显的差异？ 要回答这些问题，你需要运用统计学知识，而不是相信自己的眼睛。 因为眼睛有时会说谎，所以你看到的“好”不一定都是好的。 你看到的“没有区别”并不意味着没有区别。但是，许多刚入门的数据分析师在学习统计学知识时都很头疼。 统计学的书籍里写了很难理解的公式，不是一般人能理解的。其实，对大多数数据分析师来说，我们不需要掌握得那么全面和深入。 我们只能掌握一部分知识，理解不了理论。 但是，你只要知道在什么场合使用就可以了。 用了之后，慢慢就能理解了。因此，为了便于学习统计学的基础知识，这里整理一下数据分析工作中最常见的统计学基础知识，并尽量以简单的白字形式进行讲解，以便在面试和以后的工作中都能运用统计学知识。数据分析中的统计学问题1、辛普森悖论是什么？ 细分后的结果与整体结果相矛盾，人们常说这就是辛普森的悖论。辛普森悖论主要是因为两组样本不平衡，采样不合理。在正确的实验实施方案中，除被测试变量外，可能影响结果的变量比例必须一致，流量必须均匀合理划分。例如：如果原来的男性是20人，点击1人； 点击女性100人、99人，总点击率为100/120。现在男性100人，点击6人； 女性20人，点击量20人，总点击率26/120。男女点击率都有所提高，但点击率更高的女性所占比例太小，无法提高整体点击率。Q2、协方差与相关系数的差异和联系协方差：协方差表示两个变量的整体误差，这与只表示一个变量误差的方差不同。如果两个变量的变化趋势一致，即一个大于自己的期望值，另一个也大于自己的期望值，则两个变量之间的协方差为正值。如果两个变量的变化趋势相反，一个大于自己的期望值，另一个小于自己的期望值，则两个变量之间的协方差为负值。相关系数：研究变量之间的线性相关程度的量，取值的范围为[-1，1 ]。相关系数也可以认为是协方差。 消除了两个变量维数的影响的标准化特殊协方差。Q3、AB测试的统计很显眼，实际上不显眼是什么原因？ 这可能是因为我们在AB测试中选择的样本量太大，与总体数据量的差距很小。 这样的话，即使我们发现了微小的差异，这在统计上也是明显的，在实际案例中可能会变得不明显。举个例子，为了应对我们互联网产品的实践，我们做了改变。 APP启动时间优化为0.001秒。 这个数字在统计学上对应的p值可能很小。 也就是说，虽然在统计学上很显著，但实际上无法感知用户0.01秒的差异。这样显著的统计差异，其实对我们来说没有什么实际意义。因此，统计学显著性并不意味着实际效果的显著性。Q4、如何理解中心极限定理？ 中心定理的定义：(1)任一样本的平均值与其所在整体的平均值大致相等。)无论总体是什么样的分布，任一总体的样本平均值都围绕在总体平均值的周围，呈正态分布。中心定理的作用：)1)在无法获得总体数据的情况下，可以用样本来估计总体。)根据总体均值和标准差，判断某个样本是否属于总体。Q5、如何向孩子解释正态分布？ 拿出孩子班级的成绩单，按每2分统计人数，画出钟的形状。然后说这是正态分布，很多人都集中在中间。 只有少数非常好的人和坏的人。 拿出隔壁班的成绩单，让孩子们自己画画，发现是这样的现象，拿出班级的身高表一看，是这样的。大多数人之间差别不大，但只有少数人有特别好的人和特别坏的人。 这是生活中普遍出现的现象，这就是正态分布。Q6、什么是聚类？ 聚类算法有几种？ 选择一个详细介绍(1)聚类分析是一种无监督学习方法，在一定条件下将比较同质的样品归为一类(俗称人在班里聚会，物在班里分组)。正式地说，集群就是对点集合进行考察，根据一定的距离测度将他们归纳成多个“集群”的过程。聚类的目标是缩短同一个集群中点之间的距离并增加不同集群中点之间的距离。)2)聚类方法主要有：a .分层聚类分层法( hierarchical methods )是在满足某些条件之前对给定数据集进行分层分解的方法。具体分为“自下而上”和“自上而下”两个方案。b .聚类划分：(经典算法为k均值) ) )。分区给出具有n个组或记录的数据集。 分裂法构建k个组，每个组表示一个集群。c .密度聚类基于密度的方法( density-based methods ) (基于密度的方法与其他方法的一个根本区别在于基于密度，而不是基于各种距离。这样，可以克服基于距离的算法只能发现“类圆形”聚类的缺点。经典算法： DBSCAN:DBSCAN算法是典型的基于密度的聚类算法。 该算法利用空间索引技术搜索对象邻域，引入“核心对象”和“密度可达”等概念，从核心对象中将所有密度可达对象聚集成一个簇。d .网格聚类基于网格的方法( grid-based methods )首先将数据空间分割为有限个单元( cell )的网格结构，所有处理都以单个单元为对象。此类处理的一大优点是处理速度快。 通常，这与将数据空间划分为多少个单元无关，与目标数据库中记录的数量无关。经典算法： STING :利用网格单元存储数据统计信息，实现多分辨率聚类。)3) k-means容易介绍，开始选取k个点作为聚类中心，剩下的点根据距离分类为类，找到新的类中心，重新分配点； 重复直到达到收敛条件或重复次数。优点是快； 缺点是先指定k，同时对异常值敏感。Q7、线性回归和逻辑回归的区别是什么？ 以线性回归为对象的目标变量为区间型，逻辑回归为对象的目标变量为类别型，假定线性回归模型的目标变量和自变量之间的关系是线性相关的，逻辑回归模型的目标变量和自变量是非线性的。线性回归中通常使用假设，对应自变量x的某个值，目标变量y的观测值服从正太分布。逻辑回归中的目标变量y服从二项分布的0和1或多项分布逻辑回归中不存在线性回归中常见的残差。参数评估采用线性回归最小二乘法，逻辑回归采用最大似然法。Q8、为什么朴素的贝叶斯是“朴素”的？ 朴素贝叶斯是一种简单但非常强大的预测建模算法。之所以称为朴素贝叶斯是因为它假定每个输入变量都是独立的。这是一个强硬的假设，实际上并不一定，但这项技术对大多数复杂问题仍然非常有效。Q9、k均值和KNN的区别是什么？ 首先，这两种算法解决了数据挖掘中的两类问题。k均值是聚类算法，KNN是分类算法。其次，这两种算法分别是两种不同的学习方式。k均值是非监督学习，即不需要提前进行分类标记，而KNN有监督学习，需要对训练数据进行分类标记。最后，k值的含义不同。K-Means的k值表示k类。KNN的k值表示最近的k个邻居。Q10、逻辑回归和线性回归的区别？ 线性回归要求因变量必须是连续性数据变量； 逻辑回归需求因变量必须为分类变量、二分类或多分类； 例如，要分析性别、年龄、身高和饮食习惯对体重的影响，请通过线性回归来分析体重是实际重量，还是连续性数据变量。 对体重进行分类，作为因变量分为高、中、低3种体重类型时，采用logistic回归。两者的不同还体现在以下几点。一、性质不同1、逻辑回归：是一个广义线性回归分析模型。2、线性回归：一种利用数理统计中的回归分析，确定两个或多个变量之间相互依存的定量关系的统计分析方法。二、应用不同1、逻辑回归：常用于数据挖掘、疾病自动诊断、经济预测等领域。2、线性回归：常用于数学、金融、趋势线、经济学等领域。以上是【几分面试宝典】系列——统计学基础知识第一篇文章的内容。 历史文章的一部分请恢复为公众号。 更多数据分析面试笔试文章持续更新，敬请期待。 觉得好的话，就分享，点赞，也欢迎收藏~自考/成考有疑问、不知道自考/成考考点内容、不清楚当地自考/成考政策，点击底部咨询官网老师，免费领取复习资料：
1.u分布是标准正态分布，均数为0，标准差为1的正态分布，t分布当自由度足够大的时候近似与u分布，n→∞时，t 分布与标准正态分布完全一致。2.单样本或两样本时用t检验，3样本或者3组以上用方差分析。两样本t检验与方差分析等效，F=t^2。3.卡方检验一般有2*2，2*C，R*C和配对资料卡方检验。注意理论频数不能太小，如有小于1或者1/5以上的格子小于5，则要考虑合并，或者采用fisher确切概率检验。配对资料b+c>40时，卡方=(b-c)^2/(b+c)，当b+c<=40时，用（|b-c|-1）^2/(b+c)。4.非参数检验对数据的分布没有要求5.假设检验基本思想就是小概率事件在一次抽样中不会发生。建议你还是参考相关的书籍吧，回答的不够准确
医学统计学重点知识如下：
1、医学统计学：运用概率论和数理统计学的原理和方法，研究医学领域中随机现象有关数据的搜集、整理、分析和推断，进而阐明其客观规律性的一门应用科学。
2、医学多元统计方法：多元线性回归和逐步回归分析、判别分析、聚类分析、主成分分析、因子分析、logistic回归与Cox回归分析。
3、变量：观察指标在统计学上统称为指标变量，它反应的是生物个体间的变异情况，根据其性质可分为定性变量（分类）和定量变量（连续）。
4、截尾数据：生存时间观察过程被人为的截止称为截尾，又称删失或终检。原因：失访/退出/终止（研究时限已到而终止观察）。
5、总体：根据研究的目的确定的同质研究对象中所有的观察单位变量值的集合。
我是厦门大学一名大二的学生，在修WISE（厦门大学王亚南经济学院）的统计双学位，希望我的回答能帮助到你。
与其说学统计需要学习哪些知识点，不如说说统计在本科阶段主要涵盖了哪些课程吧。
必须要说明的是，此处谈论的是统计（经济）而非统计（数学）。前者与经济金融的关系更加紧密，是放在经济学院的，后者更加学术，是放在数学学院的。
本校的统计双学位课程主要有商务沟通与文化交流，经济学原理，概率论，数理统计，金融经济学/资产定价，随机过程，计算数据分析——使用统计软件，时间序列分析，微观经济学及其应用，回归分析，保险与精算，应用金融计量，多元统计分析，数据挖掘，金融衍生品分析，属性数据分析，金融风险管理，数理金融学，公司金融，实验设计与方差分析。
以上学科一部分是选修，一部分是必修，按照时间先后排序。可以看出来，因为经济学院的原因，里面很多选修课程都与经济关系相当之大，事实上，很多经济学科就是需要运用到统计的知识。
必修的基础课程莫过于概率论和数理统计两门，别的理工学科4个课时上完的概率论与数理统计，统计学的孩子们要花两个学期各4个课时。主要涵盖了概率论（各种概型与分布），抽样分布，参数估计，假设检验等等。
希望我的回答能够对你有所帮助。
统计学如今是与数学平行的一级学科，那么统计学要掌握哪些知识点呢？让我这个统计学专业的大四老学长告诉你楼主自己的学习经验吧！
统计学听上去是与数据打交道，实际上大部分的统计方向也确实如此。所以要与数据打交道我们首先要有扎实的数学基础，那么想打好数学基础，楼主推荐大家要掌握好数学分析与高等代数的知识！
推荐华东师范大学的《数学分析》与北京大学的《高等代数》。
打好了基础，接下来我们就要正式步入统计学的殿堂！
茆诗松老师的《概率论与数理统计》是非常经典的统计学基础教材，很多高校也都使用这本书作为统计学教材。
如果你能熟练掌握这本教材上的知识点，那么你就打下了非常扎实的统计学的基础，这对你以后继续统计学方向的研究绝对是一大助力！所以非常有必要仔细认真的学习这本书，把这本书读熟读透你以后的统计学路途会顺利很多。这本书也有对应的课后答案详解，对学习这本书有很大的帮助！
再进一步的学习统计学知识，我们就会来到统计学方向的分水岭。这时候就需要看你的兴趣方向何在了。这以后统计就可被划分为理论统计与应用统计。比如，应用统计就可分为金融统计，生物统计等等！所以接下来的知识点就看你的方向来决定往哪边倾向了！
最后，统计学方向掌握程序软件也是必不可少的一项。在经济统计方向，大部分用的是SPSS。而在偏数学的统计上大部分用的是R语言或者是Python。
所以熟练掌握一门程序语言也是必不可少的一项统计学知识，而要想熟练掌握，只有自己平常多学多做多练才能达到要求！
以上就是楼主的建议，如果觉得好的话欢迎采纳！
我是一名统计学专业的大四学生，已经学习了四年统计学啦，希望我的回答能够帮助到你。
很多还没有读大学或者没有读数学类专业的朋友们可能都不太明白统计和数学的区别，其实在大学里这是两门完全不同的科目，数学注重定量计算，而统计则偏向于概率方面，可以说，统计倾向于一种可能性，而数学则倾向于确切。
但是虽然数学与统计有诸多区别，但是基础数学同样也是统计的基础哟。因为统计也需要用到很多数学的知识，比如微积分，矩阵等，所以最基础的数学分析、高等代数，都是统计学专业的学生们必不可缺的专业知识。
在有了数学基础之后，就要学习一些统计学的相关专业课，而在这些专业课中最最基本的是概率论与数理统计，很多知名高校的统计学考研专业课也仅有这本书，因为学习好了概率论与数理统计，学习其他的统计学科目会相应轻松非常多。概率论与数理统计就像统计学的基石，是所有学习统计学的学子必须学好的一本书。
在有了概率论与数理统计的基础之后，接下来就是统计的多门分支，包含多元统计，时间序列，还有统计软件的运用。其中最具有应用性的就是统计软件的运用了。
在目前的统计软件中，最主要的就是python还有R语言，这些语言由于开源式、书写方便的特点，被众多统计学专业的学子们喜爱。机器学习、深度学习、大数据、算法这些热门的名词都与统计软件密不可分。
这些就是统计学专业所需要学习的内容啦，希望你能满意。
1. 数学分析
本科统计学不学高等代数(至少中财是)学的是数学分析，数学分析注重理论推导过程，对于很多数学原理的理解很有帮助。虽然统计和数学不一样，但是统计需要数学。微积分知识是后续学习概率论的基础，概率论是整个统计学专业学习的基石，对于微积分的要求比较高，一定要熟练掌握。
2.高等代数
高等代数比线性代数难，内容更多，线性代数较为简单，本人本科学的是高等代数，涉及到的原理推导和知识更多，线性代数只是涉及到代数最基础的知识，对于后续学习概率论与数理统计课程的帮助不如高等代数明显。
3.概率论与数理统计
统计学必须学习的课程，各个高校选取的教材不一样，本人本科学的是卯时松版的课本，同时参考过浙江大学版的教材，卯时松版教材较难，对于深入理解概率论与数理统计帮助很大，很多原理性的东西可以掌握，课后习题难度较大。
《教育统计与测量》是教育学专业的一门必修课程，是在《教育统计学》与《教育测量与评价》两门课程的基础上整合而成的课程，是教育科学领域中的一门应用科学，是当今世界教育科学研究的三大领域之一，而且在教育教学过程中具有重要而广泛的应用价值。本课程主要学习内容包括：了解教育统计学的主要内容及主要任务;能对搜集得来的数据用统计表和统计图进行初步整理;能用集中量、差异量、相关量等量数对数据进行描述统计，在此基础上，借助概率理论，对数据进行推断统计;了解教育测量与评价的类型与功能;理解教育测量与评价的质量特性，并能够熟练应用;掌握编制教育测验的一般原理与方法;能够对学生课业发展进行恰当的测量与评价。重点学习算术平均数和加权平均数、方差与标准差、积差相关的意义与应用;正态分布的特点，正态分布的应用;抽样分布;假设检验的基本原理;相关样本和独立样本平均数差异的显著性检验;教育测量、教育评价等概念;估计信度的方法;难度系数的计算方法;效度的估计方法;区分度的估计方法等。在教育学领域，经常要涉及大量的调查、实验数据。如何对这些数据进行搜集、整理与分析，并经过科学推论得出客观规律，是本课程要解决的问题。本课程提供了从数量的角度观察、分析客观现象的科学方法和途径，并且努力培养学生科学的思维方法。通过本课程的学习，可以使学生了解教育测量与评价的形成和发展，掌握教育测量与评价的一般原理和方法，树立科学的教育测量与评价理念，初步具备开展教育测量与评价的能力。
统计学期末考试重点是：
1、统计表的作用
统计表能使统计数字条理化、系统化、能更清晰地表述统计资料的内容；便于分析研究对象各项目之间的互相关系，便于比较分析；便于把研究对象的发展规律显著的表述出来，同时便于显示各项目之间的显著差别；利用统计表便于检查数据的完整性和正确性。
2、强度相对指标的定义与作用
某一总量指标数值／另一有联系而性质不同的总量指标。作用：说明一个国家、地区、部门、的经济实力或为社会服务的能力；反映和考核社会经济效益；为编制计划和长远规划提供参考依据。
3、统计分组的定义与作用
是根据统计研究的目的和要求，按照某种或某几个标志，将总体单位划分若干性质不同的组的一种统计方法。
作用：划分现象的类型、反映总体的内部结构、分析现象之间的依存关系。作用：划分现象的类型，揭示现象的内部结构，分析现象的依存关系。
4、比较相对指标的定义与作用
某条件下的某类指标数值／另一条件下的同类指标数值。
作用：对事物发展在不同地区、不同部门、不同单位或不同个人之间进行比较分析，以反映现象之间的差别。另外，计算比较标准典型化的比较相对数，还可以找出工作中的差距，从而提高企业的生产水平和管理水平提供依据。
5、抽样调查的特点
调查的样本单位通常是总体中的很少一部分，调查工作量小，因而可以节省大量的人力、物力、财力；由于调查单位少，调查的准备时间、调查时间、数据处理时间等都可以大大缩减，从而提高数据的时效性。
抽样调查适用范围广，它适于各个领域、各种问题的调查；抽样调查可以分为随机抽样（概率抽样）和非随机抽样。其中，随机抽样（概率抽样）可以分为简单随机抽样、分层抽样、整群抽样、系统抽样和多阶段抽样。
作为一门学科，教育统计学属于应用统计学的范畴，是数理统计与概率论等数学学科在教育领域(包括实践领域与理论研究领域)中的应用。它是教育领域中各种数据资料，特别是量化数据资料的整理、分析，以及由此而进行推断与决策的有益的思维工具之一。作为一门课程，《教育统计学》一般是教育学、心理学、教育管理学、小学教育、学前教育学等本、专科专业的必修专业基础课程之一。它是《普通心理学》、《教育心理学》、《发展心理学》，尤其是《教育实验设计》、《心理研究设计》、《教育研究方法》、《心理学研究方法》等课程的基础之一。
主考学校办学专业开考课程考试时间安排：大考是没有这些的了，只有小考的才有，大考的7月份只有公共课7月9号上午：11466 现代企业人力资源管理概论 00164 劳动经济学11366 人口与劳动资源7月9号下午：07484 社会保障学11467 人力资源统计学11469 宏观劳动力配置11365 劳动力市场学7月10号上午：03709 马克思主义基本原理概论00463 现代人员测评11470 国际劳务合作和海外就业00167 劳动法7月10号下午：00015 英语（二）00294 劳动社会学11465 现代公司管理11471 劳动争议处理概论06183 工资管理00152 组织行为学
辽宁的话，专升本B计划沈阳大学东北财经大学15科
各科类统考科目为政治、英语和一门专业基础课。1.文史类：政治、英语、大学语文。2.艺术类：政治、英语、艺术概论。3.理工类：政治、英语、高等数学(一)。4.经济管理类：政治、英语、高等数学(二)。5.法学类：政治、英语、民法。6.教育学类：政治、英语、教育理论。7.农学类：政治、英语、生态学基础。8.医学类：政治、英语、医学综合。9.体育类：政治、英语、教育理论。10.中医药类：政治、英语、大学语文。
广东的人力资源管理只有下面这个专业代号：B020218专业名称：人力资源管理（独立本科段）主考学校：华南师范大学开考方式：独立办班报考范围：全省部分地区 001 03709 mks主义基本原理概论 4 必考 笔试 002 00294 劳动社会学 4 必考 笔试 003 00152 组织行为学 4 必考 笔试 004 07484 社会保障学 6 必考 笔试 005 11465 现代公司管理 6 必考 笔试 006 11466 现代企业人力资源管理概论 8 必考 笔试 007 11467 人力资源统计学 6 必考 笔试 008 00463 现代人员测评 6 必考 笔试 009 00324 人事管理学 6 必考 笔试 010 11468 工作岗位研究原理与应用 6 必考 笔试 011 06999 毕业论文 不计学分 必考 实践考核 101 00015 英语（二） 14 选考 笔试 102 11469 宏观劳动力配置 5 选考 笔试 103 11470 国际劳务合作和海外就业 4 选考 笔试 104 11471 劳动争议处理概论 5 选考 笔试 201 00164 劳动经济学 6 加考 笔试 202 00167 劳动法 4 加考 笔试 203 06183 工资管理 4 加考 笔试 204 11365 劳动力市场学 5 加考 笔试 205 11366 人口与劳动资源 5 加考 笔试 课程设置：必考课11门56学分；选考课4门28学分；加考课5门24学分。说明：1、101至104课程中须选考不少于14学分。2、经济管理、人力资源理管理、劳动经济管理、行政管理专业专科毕业生可直接报考本专业，其他专业专科（或以上）毕业生报考本专业须加考201至205，已取得相同名称课程考试成绩合格者可免考。3、本专业仅接受国家承认学历的专科（或以上）毕业生申办毕业。 报名地点就在本地的自考办，带上身份证即可