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 $N(0,\mathrm{\Sigma })$，已知${\mathrm{\Sigma }}^{-1}=({\mathrm{\Omega }}_{ij}{)}_{p\times p}$, 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 $\mathrm{\forall }j\in S^c$,求 ${\rho }_j-\mathbb{E}({\rho }_j\mid {\rho }_{S^c\mathrm{\setminus }j})$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