定义 指对统计数据进行整理、分析，利用样本估计总体特征及推断概率的能力。
从哪来 建立在“6.3 实际问题建模”与“6.1 概率计算方法总结”之上。
为什么 现实数据往往杂乱且含随机性，直接观察无法得出规律。通过建模将实际问题转化为数学结构，再结合概率计算法则，才能从有限样本中提取有效信息，量化不确定性，从而实现对总体的科学推断。
讲法
适合：逻辑严密、偏好结构化思维的学生
采用“数据清洗→特征提取→模型匹配”的工程化流程讲解。强调数据处理的标准化步骤：先剔除异常值，再计算集中趋势（均值/中位数）和离散程度（方差/标准差），最后根据分布形态选择对应的概率模型。重点在于建立“数据-统计量-分布”的映射链条。
讲法
适合：直观思维强、对抽象概念敏感的学生
采用“侦探破案”类比。将原始数据比作“现场线索”，统计量（如均值）是“嫌疑人画像”，概率分布是“作案规律”。通过对比不同数据集的“画像”差异，让学生理解为什么需要方差来衡量“画像”的稳定性，以及为什么样本量越大，画像越接近真实情况。
讲法
适合：计算能力弱、需要具体情境支撑的学生
采用“生活决策”情境。以“选哪家奶茶店”为例，给出两家店过去30天的销量数据。不直接讲公式，而是让学生先猜哪家更稳，再动手算平均数和极差，最后用概率估算“明天买哪家更可能买到”。通过决策结果反推数据处理的价值，降低公式恐惧感。