本仓库收录了我在悉尼大学 DATA2002: Data Analytics – Learning from Data 课程学习过程中的笔记，所有内容均由本人整理，以中文和英文双语讲解，帮助中国学生更容易理解统计学和数据科学的核心概念。课程属于数据科学中统计分析方向，强调从不同的数据模型中提取、组合并总结信息，并用统计编程语言进行数据分析与报告撰写课程的学习成果包括：能够从多种数据资源提取并组合数据，进行数值和图形总结，掌握适当的参数检验和非参数检验，构建和解释线性模型以及基础的统计机器学习方法

模块	周次	官方主题	知识点示例
模块 1：Categorical Data	周 1–3	分类数据	数据可视化和数据收集、对照实验、卡方检验、拟合优度检验、性能和风险度量以及针对同质性、独立性和小样本的检验。
模块 2：Data from Case‑Control Study	周 4–6	案例–对照研究数据	复习均值检验 (t 检验)、非参数检验（符号检验、符号秩检验、Wilcoxon 检验）、Bootstrap 和置换检验等，用于比较两个独立样本或配对样本。
模块 3：Multiple Factors Comparison	周 7–9	多因素比较	掌握如何将总变差拆分为不同来源以及比较多个组的平均差异：包括一元 ANOVA、两元 (two‑factor) ANOVA 和交互效应分析。
模块 4：Learning and Prediction	周 10–12	预测与学习	线性回归和多元回归，模型选择与预测区间，以及统计机器学习概念（如分类器和交叉验证）。
Week 13	复习	总结与复习	复习全部模块内容并准备最终考试或项目。

🔍 使用说明

浏览与下载： 点击上方文件名即可查看对应的 PDF。

阅读顺序建议： 可按课程模块顺序阅读，也可根据自身需求单独查阅某个检验或分析方法。

软件工具： 课程使用 R 语言和 R Markdown 作为主要分析工具。建议熟悉 ggplot2 作图、dplyr 数据整理等 R 包，按照课程要求撰写 reproducible reports。

📖 受众与目的

本仓库面向以下读者：

希望复习或提前预习 DATA2002 课程的悉尼大学学生；

对统计检验、方差分析和基本机器学习方法有兴趣的中国学生；

所有笔记基于个人学习和理解整理，难免有不足之处，欢迎提出意见和补充。笔记仅用于教学与交流，不包含任何考试题库或受版权保护的原题

多多支持点击star！