※ 本文是否可提供台大同学转作其他非营利用途？（须保留原作者 ID）
（是／否／其他条件）：
哪一学年度修课： 103-1
ψ 授课教师 (若为多人合授请写开课教师，以方便收录)
陈宏
λ 开课系所与授课对象 (是否为必修或通识课 / 内容是否与某些背景相关)
应用数学所 数理统计组必修
δ 课程大概内容
1.Unbiased Estimator：
Simple Linear Regression.
Ordinary Least Square Estimator.
Multiple Linear Regression.
Properties of Projection Operator.
Maximum Likelihood Estimation.
Gauss–Markov theorem.
讨论最小平方下的无偏估计式之渐进性质,
需要基本的矩阵代数与机率。
2.Regression Diagnostics:
Added-Variable Plot.
Analysis of Variance.
Residuals Analysis.
讨论估计模式fit data的程度，
熟悉高斯分布的四则运算即可。
3.Model Selection.
Mallow's Cp.
Akaike Information Criterion.
Bayesian Information Criterion.
Cross-Validation.
讨论模型参数过多或过少对预测的影响，
并介绍建构模型的常用准则。
4.Biased Estimator
Lasso Regression.
Ridge Regression.
讨论在一些Penalty下所得到估计式的一致性.
5.Non-parametric Regression.
Kernel Density Estimation.
Nadaraya-Watson Estimator.
讨论利用无母数估计机率密度的估计式与其性质.
Ω 私心推荐指数(以五分计) ★★★★★
★★★★★
η 上课用书(影印讲义或是指定教科书)
Applied Linear Regression, 3rd Ed. by Sanford Weisberg.
以及老师不时会发许多讲义，
多是其他书的内容与国外课程的lecture note 或 slides.
μ 上课方式(投影片、团体讨论、老师教学风格)
以版书讨论课本或讲义的主题，
并有配套的习题。
老师对关键的观念会一再重复，
并适当地将技术细节安排于习题之中，
让学生在做习题中验证上课讨论的观念。
σ 评分方式(给分甜吗？是扎实分？)
作业 20%
小考2次＋期末报告 20%
期中考 30%
期末考 30%
期中满分350，
期末满分335,
除以3以后就是该次考试的分数。
两次小考满分则是120与150。
考题类型都是环绕上课主题的题组，
只要有做作业与阅读材料多半都是很基础的问题。
ρ 考题型式、作业方式
作业分别有证明以及撰写R的程式，
部分只要阅读课堂讨论的相对应教材即可做习题。
而部分则是老师上课没教，
但在作业死线过了之后就会开始在课堂上讨论。
“我一直相信，你要自己学，才能解决你的就业问题。”
“我陈宏可能只是阿狗阿猫，怎么知道我教你的是不是有问题。”
“数学系for fun 太久了，这堂课你要想想怎么for job。”
因此常常会有要让学生先自己找资料学习，
之后在课堂上得到解答的机会。
考试方面，老师绝对不会出你做过的题目，
因此只要小考考过的，期中期末考并不会出现，
但还是环绕着相同的主题。
“考试与作业，就是用来让你知道你什么不会的。”
“而这学期我有很多机会让你发现你哪里还不会。”
“我陈宏会的东西不多，就是要让你会而已。”
ω 其它(是否注重出席率？如果为外系选修，需先有什么基础较好吗？老师个性？
加签习惯？严禁迟到等…)
本堂课为应用数学所数理统计组的必修课，
我想能考上的同学绝对具备相对应的程度来学这门课。
而外系的同学，除了分析与线性代数外，
另需基本的机率论与高等统计推论即可。
Ψ 总结
本堂课上课很自由，
老师眼界很广，喜欢与学生讨论，
会有很多机会学到世界上最新的东西。
除了掌握了回归分析的基本精神，
并能了解这个领域许多重要的工作，
是一门能够奠定统计建模基础的好课。