1、描述性统计分析：通过计算数据的均值、中位数、众数、标准差等指标，对数据集的整体特征进行概括，这种方法主要关注数据的集中趋势和离散程度，适用于初步了解数据分布的情况。
2、探索性数据分析(EDA):通过对数据进行可视化处理，如绘制直方图、箱线图、散点图等，帮助用户发现数据中的规律和异常值，还可以使用聚类分析、主成分分析等方法对数据进行降维处理，以简化数据的复杂性。
3、推断性统计分析：基于样本数据对总体参数(如均值、比例等)进行估计和推断，常用的方法有假设检验、方差分析、回归分析等，这些方法主要用于解决小样本情况下的统计推断问题。
4、因果推断：通过对相关变量之间的因果关系进行分析，判断一个变量的变化是否会引发另一个变量的变化，常见的因果推断方法有路径分析、结构方程模型等。
5、时间序列分析：研究时间序列数据中的周期性、趋势性和季节性变动，常用的时间序列分析方法有自回归模型(AR)、移动平均模型(MA)、自回归移动平均模型(ARMA)等。
6、非参数统计分析：不依赖于总体分布假设的统计方法，如卡方检验、独立性检验等，这类方法通常用于分析满足特定分布假设的数据。
7、贝叶斯统计分析：基于贝叶斯定理，利用已有数据对未知参数进行概率推断，常见的贝叶斯方法有马尔可夫链蒙特卡罗(MCMC)法、贝叶斯网络等。
8、多元统计分析：在多维空间中对数据进行分析，以揭示不同变量之间的关系，常用的多元统计方法有主成分分析(PCA)、因子分析(FA)、判别分析(DA)等。
9、文本分析：对文本数据进行处理和挖掘，以提取有价值的信息，常用的文本分析方法有词频统计、情感分析、主题建模等。
10、生物统计学：应用统计学方法研究生物学领域的数据，如基因组学、蛋白质组学、代谢组学等，生物统计学方法包括假设检验、置信区间构建、差异表达分析等。
