对于编程零基础的人来说，学习统计学可以通过以下步骤进行：
建立统计思想
理解统计学的基本概念，如数据、统计量、抽样、实验设计、假设检验、回归分析等。
掌握统计学的方法，学会灵活使用书本上的公式和定理，例如假设检验、方差分析等。
学习基本编程语言
选择一种编程语言作为基础，如Python或R。Python易于学习且功能强大，广泛应用于数据分析和统计学领域；R则专门用于统计分析和数据可视化。
通过阅读相关教材、参考资料或在线课程学习编程语言。
数据处理与分析
学习数据处理和分析的技术，包括数据清洗、数据转换、数据可视化、数据挖掘等。
掌握常用的数据处理和分析工具，如Python中的pandas包、R中的dplyr和tidyr包等。
统计模型与算法
学习统计模型和算法的应用，包括线性回归、逻辑回归、决策树、聚类分析等统计模型，以及支持向量机、随机森林等机器学习算法。
编程工具与资源
了解并熟练使用一些编程工具和资源，如SPSS、STATA等统计学软件，RStudio、Jupyter Notebook等开发环境，以及ggplot2、matplotlib等数据分析库和包。
数学基础
学习高等数学和线性代数，特别是微积分、极限、导数、函数、积分等知识。
掌握概率论的基本知识，如泊松分布、二项分布、正态分布等。
实战项目
通过完成实际的统计分析项目来提高编程能力，例如调查问卷的设计、数据的收集和分析等。
持续学习
统计学是一个快速发展的领域，了解最新技术和发展非常重要。可以通过参加会议、阅读学术期刊和参与在线论坛来保持最新状态。
总结起来，学习统计学需要从建立统计思想、学习编程语言、数据处理与分析、统计模型与算法、编程工具与资源、数学基础、实战项目以及持续学习等方面入手。掌握这些知识和技能，可以进行数据分析和统计建模，为实际问题提供解决方案。