根据您的帖子，很难确切地知道您在寻找什么。也许您可以对其进行编辑以澄清一点。我会说，要真正理解统计学，那么你需要学习一些数学。

对于相当广泛的、低级的、介绍性的概念，两者

1. Gonick 和 Smith，统计卡通指南，以及
2. D. Huff，如何用统计数据撒谎

轻巧易读，呈现了许多核心思想。我认为每个人都应该阅读的另一本针对更“流行”读者的书是 JA Paulos 的Innumeracy。它本身与概率或统计无关，并且比统计具有更基本的概率，但我认为大多数人可以很容易地理解它的框架。

如果您有一些微积分背景并想了解（入门、常客）理论统计，请查找 Mood, Graybill 和 Boes, Introduction to the Theory of Statistics , 3rd 的副本。编。它很旧，但在我看来，仍然比任何更“现代”的治疗方法都要好。但是，这是一本你必须熟悉数学符号的书。

对于应用统计的“现代”观点及其与机器学习之间的接口，以及良好的示例和良好的直觉，Hastie 等人的《统计学习要素》是最受欢迎的选择。许多人也倾向于喜欢 Harrell 的Regression Modeling Strategies，这是一本可靠的书，尽管我显然不像其他人那样狂热。同样，在这两种情况下，您至少需要熟悉一些微积分、线性代数和标准数学符号。

如果你对统计学的哲学感兴趣，那么你不能比Abelson 的“统计学作为原则论证”做得更好。

我认为 Harvey Motulsky 的 Intuitive Biostatistics 非常适合对生物和医学科学中最常用的基本统计方法进行非数学“直观”解释。

我喜欢肯尼迪的《计量经济学指南》，它在三个层面上处理每个主题，第一个是非技术性描述，只要这是可能的。