一开始选课的时候老师就说了，这门课的难度差别很大，有的人觉得很容易，有的人觉得很难。因为之前上过《实用统计软件》，所以对于我来说难度不算很大，基本上就是统计专业本科上的《实用统计软件》的扩充。课程有两本参考书，前85%的内容和课件都是参考Statistical Computing with R这本书，最后讲到sapply族函数的时候用的是Advanced R。

  这门课的前半部分比较容易，但如果对完美的、更高效率、更高级的统计编程感兴趣的话，后半部分课程还是有好几个地方可以自己展开多学点东西的，比如用C++的语言搭配Rcpp提升运算速率，以及如何写出一个能通过CRAN检验的完整的漂亮的R包。这两个部分老师在课堂上只是涉及到了冰山一角，自己在实际操作过程中会遇到各种各样的问题。

  Cpp部分有很详细的参考书叫Seamless R and C++: Integration with Rcpp，但是这本书比较繁杂，节奏比较慢，不适合用来应付作业快速上手。如果只是应付作业的话，用Advanced R 第19章 High performance functions with Rcpp 就足够了。主要会遇到的问题就是C++中数组从0开始编号，和长度为1的NumericVector要用[0]取一次子集才能当做double型数据。

  关于写R包，R studio推荐的绝对权威的参考指南就是Writing R Extensions，上面事无巨细地讲解了每个会碰到的部分。如果你编译R包的时候报错，控制台也会提示你去看这本书的某某章节。这门课最后的期末大作业就是自己写一个带vignettes的R包，需要包含所有作业中出现过的函数，自己再额外实现两个文献中/课程上的复杂计算函数。

  这门课的作业是同学互批，因为各个同学之间水平、理解都不一样，所以做得好的经常会被误伤。对于这个，最好的解决办法就是把题目的分析、原理、注释、结果、评注都老老实实地写上去，这样被误伤的概率小很多，期末做作业汇总的时候也方便很多。
  希望大家都能享受统计编程的快乐！

内容：随机数，Monte Carlo，Resampling，MCMC，R package。因为没什么新意，就记得这些了。。。大部分都是实用统计软件学过的。

张老师讲课声音比较小，听课体验一般。因为感觉都是学过的，我听的也不太认真。收获不大。

平时作业不多，每周花一两个小时写点程序就好，由于作业是互相评分，经常拿到不公正的得分（好气）。大作业居然是写一个R package然后把平时的作业放进去，再实现两个新的函数（话说有同学实现了算样本偏度的函数是什么鬼。。。），虽然觉得没啥意义，但总比机考强。

总体来说挺水的，可以来水个学分，也不用考试～