Базовые источники по статистике (IMHO).
1. Jaynes E.T. Probability Theory: The Logic of Science. (для общего понимания ничего лучше не знаю в принципе)
2. Montgomery D.C., Runger G.C. Applied Statistics and Probability for Engineers, 7th Ed. (не всем нравится стилистика, но можно другой свежий вариант с тем же охватом тем по классическим методам)
3. Sheskin D.J. Handbook of Parametric and Nonparametric Statistical Procedures, 5th Ed. (лучший справочник (хоть и учебник) по всему сразу: парамстату и непарамстату, но тяжёлый)
4. Neuhauser М. Nonparametric Statistical Tests: A Computational Approach (как правильно считать непарамстат)
5. Дополнительно:
5.1. McElreath R. Statistical Rethinking. A Bayesian Course with Examples in R and Stan (& PyMC3 & brms & Julia too) 2nd Ed.
5.2. Kruschke J. Doing Bayesian Data Analysis: A Tutorial with R, JAGS, and Stan. 2nd Ed.
5.3. Davidson-Pilon C. Bayesian Methods for Hackers: Probabilistic Programming and Bayesian Inference.
5.4. Downey A.B. Think Bayes: Bayesian Statistics in Python. (c неё для меня началась революция учебников по байесовской статистике, она на очень простом Питоне и понятная, но, признаю, предыдущие три работы будут покруче).
Чтобы связать с российской традицией, лучше всего посмотреть:
6.1. Чернова Н.И. Теория вероятностей (
https://tvims.nsu.ru/chernova/tv/portr.pdf)
7. Ну а собственно по основам статмашоба (статистического машинного обучения) есть Константин Воронцов и Kevin Murphy (из MIT, который написал Machine Learning. A Probabilistic Perspective).
Кто может порекомендовать свежее того же уровня?