Обычно статистика предваряется изучением теории вероятностей. Вот для ее понимания необходимо иметь представление о том, что такое предел и что такое интеграл. Ну и основы комбинаторики. Потом в матстатистике нелишним окажется понимание что такое оптимум, как его искать аналитически и численными методами. По мере усложнения понадобиться линейная алгебра, понимание векторного исчисления, ну и многомерная оптимизация. (Кстати, учебником "на все времена" и "для всех" считается книга Вентцель Е.С - вот она самодостаточна, кстати.)
Есть несколько полезных ресурсов. Там в основном говорят про Machine Learning, но на самом деле - их можно трактовать и как "Статистические науки"
https://habr.com/ru/post/432670/
https://www.datasciencecentral.com/profiles/blogs/...
https://www.analyticsvidhya.com/blog/2019/10/mathe...
Вот в этой, весьма неплохой книге - вообще никаких тебе сложных математических основ.
loveread.ec/view_global.php?id=76269
А вообще-то курс типа Фихтенгольца и курс Теорвера и Матстатистики - это паралельные ветки математики, пересекающие друг друга. Но взаимовлияние их - если не залазить в глубокие дебри, как это делается на математических факультетах приличных универов - достаточно ненапряжное. Другое дело, что пойти курс классической высшей математики - очень полезно, так как именно там вырабатывается общая математическая культура и умение математически мыслить.
Но если такой цели нет, а матстат нужно только для оценки - то можно этим и не заморачиваться. Вон, экономисты и даже медики изучают статистику без всяких Фихтенгольцев и ничего, живут себе.
