※ 本文是否可提供臺大同學轉作其他非營利用途？（須保留原作者 ID）
（是／否／其他條件）：
哪一學年度修課： 103-1
ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄)
陳宏
λ 開課系所與授課對象 (是否為必修或通識課 / 內容是否與某些背景相關)
應用數學所 數理統計組必修
δ 課程大概內容
1.Unbiased Estimator：
Simple Linear Regression.
Ordinary Least Square Estimator.
Multiple Linear Regression.
Properties of Projection Operator.
Maximum Likelihood Estimation.
Gauss–Markov theorem.
討論最小平方下的無偏估計式之漸進性質,
需要基本的矩陣代數與機率。
2.Regression Diagnostics:
Added-Variable Plot.
Analysis of Variance.
Residuals Analysis.
討論估計模式fit data的程度，
熟悉高斯分佈的四則運算即可。
3.Model Selection.
Mallow's Cp.
Akaike Information Criterion.
Bayesian Information Criterion.
Cross-Validation.
討論模型參數過多或過少對預測的影響，
並介紹建構模型的常用準則。
4.Biased Estimator
Lasso Regression.
Ridge Regression.
討論在一些Penalty下所得到估計式的一致性.
5.Non-parametric Regression.
Kernel Density Estimation.
Nadaraya-Watson Estimator.
討論利用無母數估計機率密度的估計式與其性質.
Ω 私心推薦指數(以五分計) ★★★★★
★★★★★
η 上課用書(影印講義或是指定教科書)
Applied Linear Regression, 3rd Ed. by Sanford Weisberg.
以及老師不時會發許多講義，
多是其他書的內容與國外課程的lecture note 或 slides.
μ 上課方式(投影片、團體討論、老師教學風格)
以版書討論課本或講義的主題，
並有配套的習題。
老師對關鍵的觀念會一再重複，
並適當地將技術細節安排於習題之中，
讓學生在做習題中驗證上課討論的觀念。
σ 評分方式(給分甜嗎？是紮實分？)
作業 20%
小考2次＋期末報告 20%
期中考 30%
期末考 30%
期中滿分350，
期末滿分335,
除以3以後就是該次考試的分數。
兩次小考滿分則是120與150。
考題類型都是環繞上課主題的題組，
只要有做作業與閱讀材料多半都是很基礎的問題。
ρ 考題型式、作業方式
作業分別有證明以及撰寫R的程式，
部分只要閱讀課堂討論的相對應教材即可做習題。
而部分則是老師上課沒教，
但在作業死線過了之後就會開始在課堂上討論。
「我一直相信，你要自己學，才能解決你的就業問題。」
「我陳宏可能只是阿狗阿貓，怎麼知道我教你的是不是有問題。」
「數學系for fun 太久了，這堂課你要想想怎麼for job。」
因此常常會有要讓學生先自己找資料學習，
之後在課堂上得到解答的機會。
考試方面，老師絕對不會出你做過的題目，
因此只要小考考過的，期中期末考並不會出現，
但還是環繞著相同的主題。
「考試與作業，就是用來讓你知道你什麼不會的。」
「而這學期我有很多機會讓你發現你哪裡還不會。」
「我陳宏會的東西不多，就是要讓你會而已。」
ω 其它(是否注重出席率？如果為外系選修，需先有什麼基礎較好嗎？老師個性？
加簽習慣？嚴禁遲到等…)
本堂課為應用數學所數理統計組的必修課，
我想能考上的同學絕對具備相對應的程度來學這門課。
而外系的同學，除了分析與線性代數外，
另需基本的機率論與高等統計推論即可。
Ψ 總結
本堂課上課很自由，
老師眼界很廣，喜歡與學生討論，
會有很多機會學到世界上最新的東西。
除了掌握了迴歸分析的基本精神，
並能了解這個領域許多重要的工作，
是一門能夠奠定統計建模基礎的好課。