本课程主要是补充了一些delta方法以及渐进理论，此外补充了原来属于四学分的独立性检验，齐一性检验之流的问题，有一些理论的证明不算是很严谨，但是个人体验而言，课程还是比较有趣，作为一学分的课程可以选来玩！此外考试很和谐，基本上试题考前就已经可以打的差不多了，所以复习压力也不大，据说大家考试都蛮不错的，同时，助教xgg作业批改和作业的答案写的都很详细，非常负责！最后利益相关给到10分√

前两天听说十来个4.3，也就是说一半的人都是4.3

选！

以下是我的笔记 可以参考：

http://home.ustc.edu.cn/~wyx_mail/study_notes.html/Advanced%20Mathematical%20Statistics.pdf

期末：final.pdf

进阶课带我们入门了大样本理论，总的下来就是最最基本的Taylor展开配合\(\Delta\)方法，以及各种各样的例子，还有一点点杂项。

因为实在太忙，上了零节课，可到了快要考试又不得不再回来看回放，再一次感受到了我确实听不进去兰老师的课。在群里跪舔到了往年助教记的笔记之后，我的复预习顺畅不少。所以我要再说一遍：衷心建议兰老师学习宁吴庆老师，把ppt上例题的过程补上去。

期末可以说是放大大大大水，给分应该也不错。

最后的最后的最后，还是要感谢兰小红老师。

传一下我速通用的往年助教的笔记：数理统计进阶笔记.pdf

这门课主要介绍统计上一些比较基本的大样本性质。具体来说，兰老师上课内容涵盖了Delta方法，矩估计、MLE、M估计的相合性和渐进正态性，LRT的渐进性质以及最后Goodness of fit 检验、独立性/齐一性检验。整体上课体验非常好，考试也非常的阳间，罗助教也是十分认真负责，每一次作业都用Latex写成pdf讲解并且补充了不少需要注意的地方以及课程之外的知识。同时，这门课程不限制优秀率，可以说给分应该会相当好。个人觉得这门课程的核心内容应该就是Delta方法涉及的Taylor展开了，即如何用Taylor展开去证明相合性以及渐进性质，最后期末的唯一一个证明题也和证明MLE的相合性密切相关。

关于收获方面，可能是自己暑研/校内的方向都和大样本性质密切相关，个人觉得收获还是很大的，尤其是之前看的paper/slides里面的一些关于Delta方法 大样本性质的内容能稍微看懂一点了（笑）

作为一个1学分的课程，我觉得学到的东西甚至比3学分的数理统计还多（暴论），并且给分应该也很不错，大家完全可以选这门课来了解一下大样本性质。总之，一伯昏！

占个评课来赞美兰麻麻。学完了3+1学分的数理统计，感觉还是要感谢一下兰麻麻。

天气太冷了，手有点冻僵，回头有空的时候再来详细写。

数理统计绩点很烂也无法阻拦我想学进阶的心，事后来看是很正确的选择.

讲课内容不再赘述，但是确实感觉比3学分的数理统计逻辑清晰顺畅很多（笑），围绕大样本渐近理论带出来的矩估计和MLE，然后是假设检验里LRT的性质，尤其是LRT的含参数情形这里，给出的例子都很清晰，不像隔壁UMVUE看起来很重要但不知道重要在哪里（暴论）.

由于二八不调分所以期末考试很重要 这里的建议是拿着韦来生/Statistical Inference/高等数理统计来回看（因为我是电子版），把所有题目做一遍（至少所有方法会用），重要的结论背下来，剩下的就祈祷老师的卷子就行. 记得看定理的证明！

以此庆祝时隔三个学期获得数学总评新高92.

以上.

进阶出分了来写个评课.其实因为准备其他考试（考试较早）平时课外压根没咋看，复习也就复习了两天多。

作为数理统计的延申，主要是介绍了大样本渐近理论（个人认为相当重要），又以delta方法为主，进而讨论了矩估计和MLE的渐近的性质，最后讨论假设检验中的LRT的渐近理论，最后讲了一点点非参数中的拟合优度检验。和数理统计我的评价一样，兰老师讲得很清楚明白也会解答同学们的问题，跟着老师上课节奏走的想必不大会考得差。

这课不限优秀率，特爽。期末考复习个人建议平时记下笔记（本人字有点丑且记在ppt上了就不上传了），考试时拿出来背一背就ok了，特别注意一些定理的证明（像MLE渐近有效）也得留意下。总之选就完事啦！

传一下课程资料：

数理统计进阶资料.zip