明年，我将在欧洲研究学士课程（布拉迪斯拉发夸美纽斯大学社会与经济科学学院）教授统计学。根据程序描述，
该研究的目的是获得与欧洲一体化进程相关的政治学、欧洲法律和经济的基本类别和术语的知识。研究生熟悉探索欧洲政治和经济发展的基本术语和理论，可作为分析国内外政策的工具。学生准备继续攻读欧洲研究、国际关系或相关科学学科的硕士学位。学生的基本能力包括在欧洲一体化进程的跨学科研究领域收集和探索理论和经验数据的能力；学生为在公共行政和公共政策的各个领域工作做好准备；
据我所知，该学习计划也接近政治学（尤其是选举和民意调查）、社会学和心理学。然而，我毕业于概率和数理统计学习课程，我不确定是否应该教这些学生概率和数理统计的经典主题或其他内容。
是否有任何其他主题应引入该学习计划？
实验心理学（大部分领域）的科学文献仍然充斥着假设检验，作者和评论家都期望在每个数字旁边都有一个p值，而对/理解效应大小、建模或其他任何东西几乎没有兴趣。
因此，一个典型的心理学毕业生会听到很多关于 ANOVA 的知识，并且经常认为统计分析是寻找一个被抽象规则复杂化的“重要”结果（“我可以做 X 吗？”），并且主要在于识别基于测量水平（序数、区间等）的“正确”测试最终获得p值。
我当然不会提倡这是向任何人教授统计学的正确方法，但是如果您的学生需要阅读心理学文献或可能继续攻读博士学位，他们将需要能够理解假设检验及其局限性。在心理学。这实际上是非常不幸的，因为这种材料远非易于消化，可能对许多其他职业/应用程序没有那么有用，并且会占用大量时间，这些时间原则上可以有利地用于其他事情。
我不太了解政治学或定量社会学，但我希望更多地强调建模、回归、GLM 等。
英国数学与统计心理学杂志即将离任的编辑汤姆·巴古利（Thom Baguley）为高年级本科生写了一本很好且有效的书。它在许多方面都非常现代，包括使用 R 和讨论高级模型，例如多层次的东西。
另一本好书是“Mostly Harmless Econometrics”，关于调整线性回归以在数据被相互交织的社会影响污染时正常工作。它完全没有矩阵代数，但在方法论上的严谨程度非常适合博士水平。
如果你能以某种方式将这两本书结合在一起，这将是一门很棒的课程。但是，如果拥有纯数学统计学位，任何一个都会让您对您在学术统计课上从未见过的东西大吃一惊。