《统计学-基于统计模型与实验》课程围绕数据分析的流程展开，包括数据获取、数据预处理、数据可视化、数据分布特征的测度等描述统计的内容以及推断统计和主要回归模型的建模技术。数据分析的每个环节都对应了实验案例，并配合R代码进行实现，帮助学习者了解针对具体问题，如何选择恰当的统计分析方法和建模技术，结合R软件报告的分析结果提升学习者解读统计分析结论的能力。
课程教学设计具备3个特色：重基础，突出统计学基础理论与方法的本质和思想，并不囿于严格的数学证明，通过深入浅出的知识介绍，使学习者理解统计方法的适用性；重实现，突出利用统计分析软件对统计方法进行实现，使学习者可以借助统计分析软件，利用统计方法处理实际问题；重应用，突出统计理论和方法在实际问题中的应用，培养学习者将实际问题的研究转化为统计问题的能力，进而利用统计理论和方法辅助实际问题的解决。
第一周
1.1 导论
1.2 实验1
2.1传统调查
2.2网络调查
2.3网络挖掘
2.4实验2
测验
第二周
3.1数据清洗
3.2数据变换
3.3数据整理
3.4实验3
测验
第三周
4.1一维数据可视化
4.2多维数据可视化
4.3其它复杂数据可视化
4.4实验4
测验
第四周
5.1 集中趋势的测度
5.2 离中趋势的测度
5.3 分布形态的测度
5.4 实验5
测试
第五周
6.1 数理统计相关内容的回顾
6.2 参数估计的基本原理
测试
第六周
6.3 一个总体参数的区间估计
6.4 两个总体参数的区间估计
6.5 实验6
测试
第七周
7.1 假设检验的基本问题
7.2 一个总体参数的假设检验
7.3 两个总体参数的假设检验
7.4 实验7
测验
第八周
8.1 独立性检验
8.2 拟合优度检验
8.3 实验8
第九周
9.1 方差分析的基本原理
9.2 单因素方差分析
9.3 双因素方差分析
9.4 实验9
测验
第十周
10.1 回归分析的定义
11.1 线性回归模型的参数估计及假设检验
11.2 线性回归模型的案例分析
11.3 实验10
测验
第十一周
12.1 逻辑回归模型的参数估计及假设检验
12.2 逻辑回归模型的案例分析
12.3 实验11
测试
第十二周
13.1定序回归模型的理论及案例
13.2 实验12
14.1泊松回归模型的理论及案例
14.2 实验13
测试
第十三周
15.1 加速失效模型
15.2 Cox等比例风险模型及生存回归模型的案例
15.3 实验14
测试