通過收集、整理和分析統計數據，認識客觀現象的數量規律性，是壹門方法論科學。
由於統計的定量研究具有客觀性、準確性和可檢驗性，統計方法成為實證研究中最重要的方法，廣泛應用於自然、社會、經濟、科技等領域的分析和研究。
擴展數據:
統計學是壹門非常古老的科學。壹般認為其理論研究始於古希臘亞裏士多德時代，至今已有2300多年的歷史。它起源於對社會和經濟問題的研究。在兩千多年的發展過程中，統計學至少經歷了“城邦政治”、“政治算術”、“統計分析科學”三個發展階段。
所謂“數理統計學”並不是獨立於統計學的新學科。確切地說，它是統計學在第三發展階段形成的所有收集和分析數據的新方法的總稱。概率論是數理統計方法的理論基礎，但它屬於數學而不是統計學。
統計學:收集、處理、分析和解釋數據並從中得出結論的科學。
描述統計學:研究數據收集、處理和描述的統計方法。
推斷統計學:研究如何利用樣本數據推斷總體特征的統計方法。
變量:每次觀察都會導致不同結果的特性。
分類變量:觀察結果被表示為某壹類變量。
秩變量:也稱有序分類變量，觀測結果顯示某種有序變量。
度量變量:也稱為數量變量，觀察結果是數值變量。
均值:均值是平均值，有時尤其是算術平均值。這是用其他方法計算出來的平均值。解決方法是先把所有的數加起來，然後除以數的個數。這是壹種測量集中趨勢或平均值的方法。
中位數:即選擇中間的數字。求中位數需要先從小到大排序，再看中間的數字是多少。
眾數:眾數是數據集中出現頻率最高的數字。
只有當系統或矩陣滿足方法論的基本假設時，任何統計方法才是有效的。統計數據的誤用可能導致描述或推斷中的嚴重錯誤，這可能影響社會政策、醫療實踐以及橋梁或核能發電計劃的可靠性。
即使正確應用了統計學，對於非專家的人來說，結果也可能難以陳述。例如，統計數據的顯著變化可能是由樣本中的隨機變量引起的，但這種顯著性可能與公眾的直覺相反。面對日常生活中引用統計數據獲得的信息，人們需要壹些統計技巧(或疑惑)。
采樣時，壹定要根據不同的研究目的，選擇不同的采樣方法。
①簡單隨機抽樣法先對每個個體進行編號，然後通過抽簽從總體中抽取樣本。該方法適用於個體間差異小、待選個體數量少或個體分布集中的研究對象。
②用隨機抽樣的方法將群體隨機分成若幹份，然後從每份中隨機抽取若幹個個體組成樣本。這種抽樣方法可以更有組織性，所選個體在群體中的分布比簡單的隨機抽樣更均勻。
(3)系統抽樣法首先系統地將總體分成若幹組，然後從第壹組中隨機確定壹個起點，如每組中的15個元素，決定從第壹組中的13個元素中選擇，因此後面選擇的單位為28、43、58、73等。
(4)分層抽樣法根據對人群特征的了解，將人群分為若幹個層次或類型，然後從每個層次中按壹定比例隨機抽取。這種方法是有代表性的，但如果層次劃分不正確，就無法獲得具有高度代表性的樣本。
參考資料:
百度百科-統計