很有用的一门课，虽然上的有点水。

老师讲课还好，不过想法和证明涉及的不多，基本上全程都是比较无聊的计算。

主要内容以秩方法为主（大概50%左右），一些基于二项分布的非参数检验方法（大概20%），还有一些比较零散的：U统计量，Pearson卡方检验和Fisher精确检验，统计泛函这些东西。

因为没助教，所以没有强制性作业；一共布置过三次大概30个题目，都是一本《应用非参数统计》书上的课后习题。偶尔会有小测，都是计算某个检验统计量的期望方差之类的计算题。

考试很水，有接近一半的参数检验问题（老师的原话，我争取让你们没上过这门课的同学也能及格），最后调分应该蛮大的。

最后吐句槽，毕竟XX系的课，考试纪律一如既往的井然有序：这课上厕所十分钟的话，即使一学期没学上个75还是轻飘飘的，考试时在我附近不超过2米的一个小哥全程翻小抄，我TMD还认识，尴尬脸。。。

内容不多，挺实用，老师很认真的讲，但是那些证明大部分都不考。

考前疯狂背公式就好了。一定要把最难背的都背过。

划重点：越复杂的越要背。

作业超少。

考试全员低分，大力调分。

最后，老师人真的不错。

简单来说这门课就是讲各种检验，上课各种算均值方差，有时候会算精确分布。后半学期倒是讲了一些偏理论的东西，比如影响函数、经验似然、非参数回归之类的，但是都没考。平时基本没什么作业，考前疯狂背公式，自认为把老师有可能考的所有公式都背下来了，结果考试的时候被老师背刺（老师亲口说复杂的公式不用背，我为了以防万一还把KW和JT都背了，结果老师考个Friedman检验和对应的两两比较？？）幸亏我考试当天中午把Friedman检验和Page检验都自学了一遍，20分大题做出来第一问，第二问两两比较直接gg……顺带提一句，老师特意考了打结的情况，不背打结的公式会怎么样我也不好说。

所以，给学弟学妹一句忠告：这门课没有不会考的内容，除非老师明确说哪一块不考，否则请把所有内容 背！下！来！不要抱任何侥幸心理！

考完预期分数很低，因为好几道题不太会，但老师今年大奶一口成功救赎。

今年考试出题是真的奇怪，除了第二题考区组设计加打结恶心人之外；第四题也是U统计量里面一道很难算的作业题，考前没背过只能现场再算一次；第五题可能是老师自己编的一道题，要证明的结论都写错了，而且两组随机变量的关联也没有给定（如果独立那这题根本不用做）；第六题我就完全看不出跟非参有啥关系好吧，就是算密度函数，整个就是概率论题，第一问还可以用Poisson过程的结论写一下，第二问直接就没时间算。

最后，给学弟学妹们推荐薛留根的教材《应用非参数统计》，老师讲的内容在这本书上几乎都能找到，老师的PPT写得过于简陋了，一点推导都没有，上课就看老师推均值方差过于无聊，不如对着这本书自学。不过影响函数和后面补充的内容还是要听老师讲课的。

本科期间最后一门统计类课程了，充满了未完待续的味道。比较后悔大三的时候没有去学研究生的非参数统计...

从内容上说，这门课和一般意义上的“非参”不在同一个context，更像是数理统计后续章节的延续，是比较经典的非参数统计的内容（各种检验）；进一步的density estimation老师在期末也会提到，考试是不作要求的，jackknife和bootstrap等等就不在本课程范围内了；

考试很简单，计算题大约80%？很多是正态样本参数检验和非参数检验方法的比较，线性秩统计量和相应的例子是这门课的重点；

有两大题证明，依旧是Kendall Tau的期望方差的证明，以及一个基本的期望方差证明题；

大四同学relax就好，看完ppt和作业，80+肯定没问题，没准可以收获一个夕阳4.3 : )

先趁热回顾2018年1月10日早上8:30-10:30的考试：

第一题为送分题，写数据的频率表，画直方图和饼图，如果可以带上尺子和圆规。

第二题第三题第五题为课堂上讲的例子，数据都一模一样：

第二题考察t检验、符号检验和Wilcoxon检验；

第三题考察F检验和尺度检验；

第五题区组设计的例题，需要注意的是对打结的处理以及Z(1-α)分布近似，当时没反应过来，以为老师没给Z分布的对应数值。

第四题是Kendall τ系数求均值方差。老师上课讲过，但课件里没有，当时选择性忽略了...罪过。

第六题果断跳过...我就看到U统计量，结果还考了后面的知识。有记得的同学可以补充。

其实并不难，甚至老师都懒得编数据，拿原题出来考，即便如此，由于大四上的兵荒马乱和思想懈怠，能考高分也不算一件容易的事情。课程初设定总评为80%期末+20%平时测验，希望老师能多多体谅。

老师在上课会补充课件上定理的证明和例题，重点应该是秩统计量。到最后才知道老师参考的教材是《实用非参数统计》（薛留根）。

对于这门课的建议是可以加入R语言实践（这样的话很多笔算的数据处理会容易得多），当然这样的话这门课也该叫“实用非参数统计”，毕竟是一门偏实际应用的课程，至于更高深的概念，留给研究生阶段好了。

还在准备其他考试，就说这么多啦。

如果你打算选这门课，建议平时都去上课并且认真听讲做笔记，以及应对小测。期末前记得把重要的公式过一遍，并认真做一遍课堂例题。

回忆一波

考试时间 2021.7.2

第一题(1)参数t检验 （2）Wilcoxon符号秩检验(非大样本，查表看临界值)

第二题(1)区组效应的检验(请务必记住这检验叫Friedman检验呜呜呜) (2)Wolfe两两比较(用到打结情形的标准差，太草了)

第三题(1)似乎是Pearson卡方检验 (2)记住那三个相关系数

第四题 总体~B(1,p), theta=p(1-p), 给出参数theta的U统计量，计算U统计量的方差和渐进方差，好像是作业题

第五题 算线性秩统计量和另一个统计量的correlation，要用到一般的线性秩统计量的方差公式

第六题 证次序统计量和另一个啥统计量同分布（次序统计量的联合分布一定要会

好像还有第七题啥的记不太清了，也是考的次序统计量

总的来说题目有点怪，后半学期花大力气讲的影响函数，核密度估计都在考试范围但是都没考，听说去年考了p分位数的影响函数，今年变成小测题了。以及看到评论区说Kendall tau统计量的方差每年都考一定要会推，考前一堆人在那背过程，但是今年没考Kendal tau。

感觉必须要复习的很充分才能应付wzf的考试，他什么检验都敢出。。。只复习往年考过的检验100%会过拟合（泪目），那些打结情形的方差损失背的要死要活考场上还是忘的一干二净（笑死，根本记不住。但要是现场推吧复杂一点的方差得推个二十分钟，还得另外记住一堆恒等式才行（比如四次方求和，四次方的中心和，二次方的中心和balabala）。后面两道次序统计量的题感觉跟学的东西关系也不大，主要考察数理统计基础。

以及考前wzf说总评28开，wzf又是出了名的不调分，考完试以为gpa要跳水了，，最后总评还是捞了大家一把，老师人还是蛮好滴~

给学弟学妹们提个醒： 上课最好还是去一下，会不定期小测，不过老师讲的还是很好的（虽然大部分时间都在那里算均值方差很tedious)， 自学的话看薛留根的《应用非参数统计》比较好，老师基本按那上面讲的

以及预测一波明年必不考Page检验和调整秩和检验，会考KW检验和Dunn两两比较 [滑稽]

（如果预测对了麻烦在评论区夸夸我

考试题型上面两位同学已经回忆得很充分了，毕竟是大四的课，估计也不会怎么变。（Kendall's tau的期望方差考了两次了，要不要背下来自己看着办吧）

老师讲课也就那样，大概是因为即使讲得好，听课的人也不会多。。作业也不多，但居然要手算，太过分了，打开R Studio输几行代码多舒服。平时会有小测，所以还是得去上课。考试不难，反正也就是求个过。上这课实在是没动力，即使把内容掌握得很到位感觉收获也不会多，特别是和张伟平老师的研究生非参课对比以后。。这课就讲一堆古典的秩检验啥的，不是现代非参数统计的内容。真的想了解非参（KDE，非参数回归）的话建议去上张老师的研究生课。