本书由三位统计学专家共同著作。

本书首先回答什么是统计学？

统计学是描述现象，解释现象以及预测未来的工具；是通过样本反应总体的工具。 目的在于找出样本数据的规律。

统计学中总体包括有限总体和无限总体。 其相关参数脑阔平均数、方差、标准差等。数据收集是统计学的关键。

抽取好样本的核心要义在于精度和调查成本的协同。

抽样种类包括：概率抽样、简单随机抽样（随机化程序）、分层抽样、系统抽样（r+k，r+2k）。

而非概率抽样包括了方便抽样以及判断抽样。

由于现实原因，数据收集时抽样误差不可避免，因此样本结果与总体真值会有误差，样本量越大，抽样误差越小。而非抽样误差是可避免的，其中包括调查问卷设计误差、回答误差、理解误差等。

数据展示是统计学展现给读者的界面。其中包括条形图、饼图、环形图、直方图（面积；数值型数据）、茎叶图、箱线图（数据分布）、线图。多变量数据图示还可采用散点图、气泡图、雷达图。

数据概括性度量是其中数据处理核心。

概括度量包括集中趋势，常用众数（最多）、中位数（排序中间）、四分位数、平均数（简单平均；加权平均）等数统计。

离散程度包括异众比例（非众数比例）、四分位差（数据越小，说明中间数据越集中）、极差（最大减最小）、平均差（各变量与平均数相差绝对值平均数）、方差（运用最广测量离散的系数）、标准差。

 统计学中的经验法则证明数据对称分布时，68%在±1标准差内，95%在±2标准差内，99%在±3标准差内；超过±3标准差的称为离群点。

概率与概率分布是统计学准确性和概括性的核心。其中的正态分布是统计学的研究基石。整体分布代表着经验型现实分布，如身高等，以平均质量为中心上下摆动的现实经验在统计学图形上的表现。正态分布是后面很多概念的一个经验性的基础。

英国学者费希尔把抽样分布、参数估计、假设验证  作为统计推断的三个中心内容。同时他并推导出中心极限定理，即从均值μ，方差s²的正态分布总体中抽取样本量n的样本，当n充分大时，样本均值近似服从正态分布。经验值为n≥30是符合正态分布。

参数估计是样本概括总体的关键步骤， 其核心为区间估计与置信水平，置信水平一般是人为经验预设的。英国统计学家费希尔把小概率标准定位0.05。

一元线性回归作为研究两个变量的关系的统计学经典方法，常被用于地理学及城市规划中。核心在于将不确定的数量关系的相关关系表达。

相关关系要解决的问题有以下四个：

1.变量间是否存在关系？2.如果有，存在什么样的关系？3.关系强度？4.样本关系能否代表总体变量关系？

对于第一个问题1.变量间是否存在关系？常用相关系数（Pearson相关系数）进行验证。同时利用显著性检验来考察样本相关系数可靠性。

对于第二个问题用一元线性回归模型解决，回归模型的实际概念是最小二乘估计。

对于第三个问题关系强度？利用判定系数R²判定。

最后进行模型检验，包括线性关系检验（检验能否用线性关系表示）；回归系数检验（检验自变量对因变量是否有影响）以及残差检验。 若不合理说明模型不合理，选择曲线回归（如位序规模）或多元回归。

建立回归模型的目的在于预测未来，从而为人们的判断提供信息。包括点预测及区间预测。

指数作为无量纲化工具常常被用于城市研究。

指数分类包括个体指数、总体指数。数量指数、质量指数。简单指数、加权指数。常用加权方法包括利用已有数据加权：如零售价格指数，以及主观加权：指数编制人员主观决定（专家打分法）。