Какой хороший вопрос, хотя и простой. То есть -прост, как всё гениальное.
Зато ответ невероятно сложен. С уважением к отвечающим попробую добавить свои 5 копеек.
Прикладные задачи, это когда "сделать что НУЖНО, так как МОЖНО". Ну хоть сдохни))
Посему придется выворачиваться изо всех сил - если НУЖНО, тем более - начальству...
Вот тут возникает вопрос точности, следовательно, хорошего понимания p-value проверки гипотез,
понимания критериев Пирсона, Стьюдента, Фишера и т.д.
Сюда же примыкает умение конструировать новые случайные величины из исходных ( по аналогии с вышеупомянутыми пирсонами - они же тоже сконструированы).
Если навык (6) хорош, то много легче сводить прикладную запутанную задачу к более понятным координатам.
Здесь далее - обязательно исчерпывающая практика (часто многолетняя) именно - практика регрессионного анализа, причем на гетероскедастичность можно и не заморачиваться особо, а вот автокорреляцию остатков - отслеживать.
Хоть это и пункт 9, он должен быть в самом начале - придирчивый и тщательный анализ исходных данных,
но, честно говоря, без этого навыка статистики вообще нет.
Есть курс на stepik "Основы статистики" от института биоинформатики. Там есть всё, что перечислил Андрей и объясняется довольно понятно. Как вариант для изучения.
Согласна с ответом
*Хтонический ужас из морских глубин пробуждается, услышав слово Statistica*
- R лучше!
*Засыпает обратно*