統計學的學習除了考試需要用手算外，想要銜接大數據和人工智慧之前，你得先學會如何將統計學的本質 - 數字分析 - 基礎打好。這不是單純的理論，也不是為了應付升學，而是從中了解到以數據驅動的大數據和人工智慧，是需要你學習數字分析的方法與實踐。
此外，統計學的理論中也隱藏很多的缺陷，也有依賴成名的統計套裝軟體，造成軟體公司從該有的科學態度與精神，轉為「只顯示不檢測」的非科學態度。如此非科學的分析結果又如何取信於人呢？不外乎因企業知名的聲譽做背書，讓世人相信。但這絕非科學精神與從事科學該有的態度。一旦不按照科學的步驟與程序作業，那麼再如何發展科技都將是夢幻泡影。我們已經逐漸看到如常態分配中位數的臨界值表是可以找到的，杜賓瓦森檢定是可以遵循標準的檢定原則，而不會有沒結果的灰色地帶。一旦你按照科學的步驟與程序，排除人為干預或繞道或故意複雜化的做法，那麼你將從數據當中獲得真理。
在解決一些統計學問題後，才可能成為真正的大數據分析方法和人工智慧的演算法。過去我們曾經忽視，習以為常的知識點，很可能就是問題點。如果沒有辦法驗證或檢測，則這些基於假設所得到的所有理論都必然面對真實現況的考驗。我們可以假裝沒看到，但科學不行。
這系列的內容將是統計學的內容。想學習統計學的同學們或朋友，可以將這個部落格加入書籤，持續追蹤。
章節架構
第一章 機率
第二章 隨機變數與機率分配特性
第三章 樣本與母體關係及敘述統計學
第四章 特定母體機率分配、抽樣分配和常用統計分配
第五章 點估計及區間估計
第六章 假設與檢定