加拿大多伦多大学统计应用课程的知识点帮忙总结一下可以吗？

　　多伦多大学统计应用这门课涵盖的知识点非常多，例如：统计显著性检验、研究设计原则、unix概论、SAS概论、基本显著性检验、多元回归、因子方差分析、置换检验、功效和样本数量、随机效应模型、多元方差分析、分类数据分析等。根据同学的需求，我们对课程知识点进行了简单的梳理：

　　1、概率分布：泊松;指数/伽马;高斯/正常;二项/多项。

　　2、参数估计方法：矩量法;最大似然法;贝叶斯方法。

　　3、估算理论：估计的大样本(渐近)分布;点估计vs区间估计;置信区间;贝叶斯置信区间。

　　4、总结数据：基于累积分布函数的方法;直方图，密度曲线，茎叶图;位置测度(均值、中位数、截尾均值);箱形图;二元数据散点图。

　　5、线性最小二乘：简单线性回归;线性最小二乘的矩阵方法;最小二乘估计的分布理论;多元线性回归。

　　6、分类数据分析：确切概率法;同质性卡方检验;独立性卡方检验;让步比。

　　同学可以把自己没有掌握的部分告诉我们，我们会及时安排加拿大课程辅导老师针对同学的弱项进行辅导，使同学能够全面、深入地理解课程内容，从而为后续学习奠定基础。