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 >>更多

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 >>更多

学习楼上先回顾一下2020.1.14下午的考试：第一题：提供学生减肥前后数据 检验学生减肥计划是否成功(单侧)三小题依次为：参数检验(t检验) 符号检验 Wilcoxon符号秩和检验(正态近似)第二题：提供A、B两种元件的半径数据 检验是否存在精度(尺度)差别(双侧)两小题依次为：参数检验(F检验) >>更多

来评一下新任张院长的课（手动微笑）。内容：一. 非参数估计，包括分位数估计，统计泛函，Jackknife and Bootstrap, 经验似然，U统计量。二. 核密度估计(KDE)及其他密度估计方法。三. 非参数回归，包括核回归，局部多项式（经济学最爱），样条。四. 半参数模型，包括部分线性模型， >>更多

课程内容上面的几位大佬已经写得很详细了，我仅从一个辣鸡的角度补充个人的几点看法。窃以为这门课的难度主要在workload上，比如说老师像开车一样的过ppt，比如说每周至少4道有时8道的作业题，又比如说11月初突然布置了一篇参考文献不少于20条的课程论文(ddl 12/1)。。。如果大四申请季选这门课 >>更多

这绝对是我这学期收获最多的一门课。 老师一开始讲了一些统计的专题内容比如ｕ统计量统计泛函经验似然之类。 然后后面画风一转开始讲密度估计非参回归半参模型，课程覆盖量大概是数理统计的5倍。老师在讲u统计量的时候用的是berkely的slides，一节课讲掉他们3节课的内容。。 考试很简单，认真听课就会， >>更多

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 >>更多

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 >>更多