原帖： https://www.jiqizhixin.com/articles/2017-01-09-9
简化选择：
1. 描述统计学入门（Intro to Descriptive Statistics）
地址：https://www.udacity.com/course/intro-to-descriptive-statistics--ud827
课程周期：8 周
授课：Udacity (Coursera)
对于想要学习统计学的初学者来说，Udacity
的这门课是非常好的入门指南。内容有趣、实用，而且有很多实例。描述统计学首先会让你熟悉各种统计学和定义。然后教授统计学概念，比如集中趋势（central
tendency）、可变性（variability)、标准正态分布以及取样分布。这门课并不需要你提前掌握一些统计学知识，现开放注册。
预备知识：无
2. 推论统计学入门（Intro to Inferential Statistics）
地址：https://www.udacity.com/course/intro-to-inferential-statistics--ud201
课程周期：8 周
授课：Udacity（Coursera）
学完描述统计学后，就该学习推论统计学了。本课程仍然延续了实用的授课方式。
课程中，你会学到诸如估算（estimation）、假设检验、t 检验、卡方检验、单向方差分析、双向方差分析以及相关、回归等统计概念。
每个主题后面还配有习题集和小测试。课程结束后，你还能在真实数据组上测试学习情况。课程已开放注册。
预备知识：完全理解描述统计学（Descriptive Statistics，即上面的第 2 个推荐）
替代课程：《统计学：打开数据世界之门（Statistics:
Unlocking the World of Data）》，一个为期 6周的匹兹堡大学的课程（edX）。地址：https://www.edx.org/course/statistics-unlocking-world-data-edinburghx-statsx#!
3. 概率和数据入门（Introduction to Probability and Data）
地址：https://www.coursera.org/learn/probability-intro
课程周期：5 周
授课：杜克大学（Coursera）
本课会带你使用 R 和 RStudio 接触数据视觉化和数值统计。
首先带你掌握概率和数据挖掘基本概念，开始对课程有个基本了解。然后，分别解释不同主题下的各个概念。最后会使用真实数据集，通过一个数据分析项目测试你的学习情况。
授课人是来自杜克大学的统计学教授，也需要你预先掌握专门的 R 统计学知识。如果希望为了研究数学科学而学习 R，那么，这门课程不容错过。课程已开放注册。
预备知识：基础统计学和 R 知识。
4. 概率论：基本概念和离散型随机变量（Probability: Basic Concepts & Discrete Random Variables）
地址：https://www.edx.org/course/probability-basic-concepts-discrete-purduex-416-1x
课程周期：6 周
授课：普渡大学（Purdue University）
本课程是为谋求有关数据科学和信息科学职业者所设计。其涵盖了数学概率论的基本要素。
在本课程中，你将学习到概率论、随机变量、分布、贝叶斯定理概率质量函数和 CDF、联合分布律和期望值等基本概念。
一旦你熟悉了这些基础知识，就可以研究更加深入的概念，如伯努力和二项式分布、几何分布、负二项式分布、泊松分布、超几何分布和离散均匀分布。
在学习本课程之后，你将对日常生活中的概率应用有一个深入了解。本课程已开放注册。
预备知识：基本统计学知识。
5. 数学生物统计学训练营 1（Mathematical Biostatistics Boot Camp 1）
地址：https://www.coursera.org/learn/biostatistics
课程周期：4 周
授课：约翰霍普金斯大学（Johns Hopkins University）
实际上，「生物统计学」里面的「生物」是个误导。本课程全是用于数据分析的概率论和统计学技术基础。
该课程包含概率、期望、条件概率、分布、置信区间、bootstrapping、二项式分布（binomial proportions）和对数分布（logs）。
线性代数和编程的背景知识对本课程很有帮助，但不是强制需要的预备知识。该课程从 2017 年 1 月 16 日开始，由约翰霍普金斯大学的生物统计学教授授课。
该课程进度合理并会对数理统计进行完整的剖析。
预备知识：基本线性代数、微积分和实用编程（非强制）。