1.“样本”
样本实质上就是数据，但是，统计学中涉及的数据往往是具有随机性的。还是回到“学生的身高”这个问题上来。在抽样之前，我们并不可能知道具体数据的大小，这些数据对于我们是随机的；为了讨论出一个好的方法，我们假想能够得到这些数据，并且假想这些数据的出现是依据某种规律的，这种规律就是数据出现的可能性的大小，我们称之为“概率”。比如，高年级学生出现大数据（高个子）的可能性要大于低年级学生，就是说，出现大数据的概率要大。但是，只有当抽样之后，我们才能得到真实的数据，才能进行实质的计算与分析。这样，我们所要研究的数据既具有随机性又具有真实性。为了方便起见，我们称这样的数据为样本。
- 统计学中哲学式的思考
传统数学可以根据假设和规定的原则进行计算或者推理，但是统计学往往要问你所采用的方法是不是有道理，是不是还有更为合理的方法。
3.判断统计方法的好坏很大程度上也是依赖传统数学
假如我们得到了数据，由于数据看起来是杂乱无章的，就需要进行必要的整理，整理的实质是对大量的数据进行“压缩”。根据问题的不同，压缩的方法也有所不同。比如，希望知道学生的平均身高，称之为“总体均值”。我们可以计算样本的平均数，然后用样本的平均数去估计总体均值。样本平均数就是对于数据的一种压缩方法。当然还可以用其他的方法，比如计算中位数，或者计算最大数和最小数的平均数。那么，哪一个方法要好一些呢？虽然我刚才谈了平均数和中位数的使用条件，但这仅仅是一种描述性的。对于数据压缩也有一个原则，就是不能失去我们所要研究问题的信息，满足这个条件的压缩后的值被称为“充分统计量”。因此，统计学需要哲学的思考，也需要严格的数学推理。事实上，对于总体均值，上面的三个压缩后的量中只有样本平均数是充分统计量。直观地想，样本平均数以局部的特征估计总体的特征，可能要好一些。
这是因为，虽然样本平均数依赖样本的选取也是随机的，但是我们可以想象，当我们反复取样本计算时，这些样本平均数应当在总体均值附近摆动。当然，我们还可以建立其他的准则来判别方法的好坏，只要这个准则是合理的。比如，我们可以验证，样本平均数是使“与所有数据差的平方的和达到最小”的数；样本中位数是使“与所有数据差的绝对值的和达到最小”的数。这两个准则都是有道理的。
作为教师，在统计课程实施的过程中，不仅仅需要知道如何去计算，还需要知道之所以这样计算的道理。只有这样，在讲课的时候才可能心里更有底，才可能根据学生的反应随时调节教学策略。再比如统计图表，是为了更直观地表达数据，这也是数据整理的一种形式。根据我们所要研究问题的不同，表达方式也可以有所不同。
4.
统计学研究方法的本质
（严士健）统计学的研究方法是基于归纳，而传统数学是基于演绎。
（史宁中）推理分为演绎和归纳。传统数学在本质上研究的问题是确定性的，基础是定义和假设，遵循约定原则进行严格的计算或者推理，因此更多的是演绎；统计学在本质上研究的问题是随机的，是非确定性的，通过较多的数据进行推断，也就是通过许多的个别来推断一般，可以认为是一种归纳。但是，正如我在上面也谈到过的那样，在许多情况下，哲学思考后的数学表达也是严格依赖于演绎的。
统计学的基本思路是，根据所关心的问题寻求好的方法，对数据进行分析和判断，得到必要的信息去解释实际背景。
小学阶段，统计学的教育价值：
第一，养成通过数据来分析问题的习惯。其实质是通过事实来分析问题，当遇到问题时，应当去调查研究，应当去收集数据，在此基础上进行的推断才可能客观地反映实际背景。
第二，建立随机的概念。有些事情可能发生，有些事情可能不发生，这在日常生活中是大量存在的。即便如此，只要我们掌握的信息多了，也能够合理地推断实际背景。
第三，学习如何去判断事情的主要因素。
