由于这门课没有什么详细的评价， 我来贡献一下数据。

课程内容：

这门课使用的教材是王松桂的线性模型引论（ https://book.douban.com/subject/1230484/）。这门课的内容讲的非常少，因为老师讲课速度很慢，每次课讲的内容不超过两页纸。往年这门课都是郑老师一个人讲，今年郑老师的一个博士后李阳也参与了讲课。整个一学期涵盖的内容不超过以下内容：

矩阵论的预备知识：

线性空间

广义逆矩阵

幂等方阵

多元正态分布：

均值向量与协方差阵

随机向量的二次型

正态随机向量

正态变量的二次型

正态变量的二次型与线性型的独立性

参数估计：

最小二乘估计

约束最小二乘估计

广义最小二乘估计

多元线性模型

假设检验：

线性假设的检验

置信椭球和同时置信区间

其中多元正态分布由李阳来讲。为了完成郑老师的任务，李阳充分的发挥了水时长的本领。保证了每次课讲的内容不能太多，在郑老师回来之前正好把多元正态讲完。这门课的小测非常多，几乎每堂课都有小测，小测的题目有时候非常难，不过只用作点名的作用。这门课平时没有课后作业。

郑老师会在后半学期组织分小组的论文汇报(有加分），高维统计专题，这是这门课可能的亮点吧，论文汇报也涨了见识，能学到很多东西，比如引用量六位数的Lasso和范老师的SCAD等，这些都是近二十年的东西，和数理统计里的东西比起来更加现代。

关于考试：

非常阴间。最后40分都是送命题，技巧性非常强，不太适合作为考试题，感觉老师把这卷子出出来，就是让大家觉得这课很牛逼的样子。由于最后两天连考4门，我一下午速成的这门课，最后一题一小问考了同时置信区间的推导，我大意了，没有背。最后一问应该是从某篇论文里摘出来的一个集中不等式的证明。

倒数第二题回忆如下：

\(X_{n\times p}\)为随机矩阵，其每一行 iid \(N(0,\Sigma)\)，已知\(\Sigma^{-1}=(\Omega_{ij})_{p\times p}\), 给定某无随机性的集合\(S \subset \{1,...,p\}\), 记 \(\rho_{S^c}=X_{S^c}- \mathbb{E}(X_{S^c}\mid X_S)\),对 \(\forall j \in S^c\),求 \(\rho_j-\mathbb{E}(\rho_j \mid \rho_{S^c \backslash j})\)的分布。

关于给分：

开学初给的比例是平时30%(小测），期末70%， 论文汇报附加分不超过8分。  给分据我统计，非常不友好，本科生应该没有90分以上的，而且还都是做过小组汇报的。当然老师也没有义务调分，所以担心GPA的不建议选课，除非你有信心考好（像大哥那样100）。就算选了这课， 也一定要做论文汇报，否则分数应该不太好看。

这里有一张2019秋这门课的试卷，

http://home.ustc.edu.cn/~hjz346594825/file/resources/LSM2019.pdf

以及论文汇报所有的论文：

http://home.ustc.edu.cn/~hjz346594825/file/resources/LSMpaper.zip

申必管院nt课，如果不是为了学分死也不会选

上课内容和质量之前评论说的已经很详尽了，下面补充一些个人观点

这门课程全部内容除开论文汇报真包含于刘率论 回归分析 线性代数 多元统计模型这几门课中。如果已经上过这几门课了，建议不要浪费任何时间在这门课上，收获为0。但是据我观察几乎每节课都有小测，所以这门课是真的恶心。关于论文汇报，因为看了一下论文基本都是我科研里面已经读过的文章，所以我一节课也没有去，因此不做评价。

关于给分，快逃！！！不建议任何大三同学选课。这门课程期末试卷我全写了并且体感得分至少80左右，但是最后总评69！固然有我大四摆烂，好几次小测都没到等因素，但是再怎么样也没有任何道理总评69！而且这门课程没有讲义，几乎没有作业，完全让人不知道从何复习。相比于隔壁排长的贝叶斯分析（没有小测，作业和大作业都比较合适，上课收获内容很多，期末虽然比较难但是最后总评85），这门课是全方位的烂！

这门课程的助教也是，基本上一学期不存在，问什么问题也都完全不会回答。

总之，课程3分（因为是本研贯通不是本研同堂，而且完全没有新东西所以不用浪费时间），内容0分，老师0分，助教0分，给分0分。

拉一下平均分，不知道是谁醒悟了删了点评，你就算让我退学，我也不删。

欢迎大家文明观zzm

2023线统期末回忆版.pdf