统计学基础知识包括以下几个方面：
数据
数据是统计学研究的对象，可以是数字、文字、图像等形式。
数据分为定量数据和定性数据。定量数据可以用数字表示，如年龄、身高、收入等；定性数据不能用数字表示，如性别、职业、兴趣爱好等。
变量
变量是数据中的一个特定特征或属性。
变量可以分为离散变量和连续变量。离散变量只能取有限个数值，如学生的数量；连续变量可以取无限个数值，如人的身高、体重等。
样本与总体
样本是从总体中抽取的一部分个体或观测值。
总体是指研究对象的全体，如某城市的所有居民。
样本是对总体的一种近似，通过对样本的分析，可以推断出总体的特征。
数据的收集与整理
数据收集方法包括调查法、实验法、观察法等。
数据整理方法包括数据清洗、数据编码、数据分类等。
数据的描述性统计分析
频数分布：数据在不同数值或区间上的出现次数。
集中趋势：数据集中在一个特定数值或区间上的程度，常用的集中趋势指标有均值、中位数、众数等。
离散程度：数据的分散程度，常用的离散程度指标有极差、方差、标准差等。
概率
概率是描述事件发生可能性的数值，介于0和1之间。
概率可以通过频率方法和主观方法确定。
随机变量
随机变量是指在一次随机试验中可能出现的结果。
随机变量分为离散型随机变量和连续型随机变量。
概率分布
概率分布描述了随机变量的可能取值及其对应的概率。
常见的概率分布包括二项分布、正态分布和泊松分布。
统计推断
统计推断是通过样本数据对总体进行推断。
包括点估计和区间估计两种方法。点估计用样本数据给出总体参数的一个估计值，区间估计给出总体参数的一个估计区间。
假设检验
假设检验是用来验证关于总体的某个假设是否成立的方法。
包括设置零假设和备择假设、选择显著性水平、计算检验统计量和判断接受还是拒绝零假设。
相关分析
相关分析用来研究两个变量之间的关系。
常用的相关分析方法包括皮尔逊相关系数和斯皮尔曼秩相关系数。
回归分析
回归分析用来研究一个或多个自变量对一个因变量的影响关系。
常用的回归模型有线性回归模型和多元回归模型。
抽样方法
抽样方法是从总体中选择样本的方法。
常见的抽样方法有随机抽样、系统抽样、整群抽样和分层抽样。
这些基础知识是统计学的基础，掌握这些知识有助于更好地进行数据分析和决策。建议在实际应用中，结合具体的数据和分析需求，选择合适的统计方法和技术。