這篇是大二必修
(機率概論、統計套用程式、統計推論、迴歸分析、會計學)
今年幾乎都換老師所以算有用吧(?
甜涼僅供外系參考
推薦上課用平板在 B9
.
對了系上有在數位學苑開一個考古社群[擺脫統計的痛苦]
如果有雙主修或輔系的同學歡迎加入～
也希望大家能上傳考古題造福學弟妹～
連結.
懶人包.
課程名稱: 機率概論
修課年度: 110-1
應修系級: 統計系2(必)
授課教師: 黃怡婷
上課用書:
Hogg, R. V. and Tanis, E. A. (2010). Probability and Statistical Inference. 8th ed., Pearson. (新舊版本只有習題差異)
修課成績/排名/百分比: 94/(6/74)/8%
甜度: 5/10
(考試定勝負，題目難度中等)
涼度: 1/10
(除了大考後的第一次上課，幾乎每個禮拜都有小考，我大概每個禮拜課後花6小時在複習跟寫題目，所以覺得不涼)
評分方式:
印象中老師在課堂上是說 期中考20%*2 + 期末考30% + 小考30%
但課綱上面寫的是 期中考30% + 期末考40% + 小考30%
我自己算成績兩個都差不多，所以都列出來
上課方式:
使用老師自製投影片進行教學，通常是講解定義、推導定理之後計算課本習題
考題形式:
小考：紙筆測驗，通常是2-5個小題，內容通常是考試前兩周或一周的內容，第一節上課開始考，測驗時間約20分鐘，滿分50分，另外50分是出席分數，考試有簽名就有
(所以也可以看成小考15% + 出席15%)
期中/期末考：紙筆測驗，約6-8個題組，大概16-20小題(一題不是5分就是10分)，滿分通常介於100-110之間，測驗時間3小時。
備註:
1. 微積分死當的話不能修這門課
2. 這科如果死當(低於40分)不能修下學期的統計推論
3. 期中考是平日晚上考
4. 學期成績不調分
修課心得:
1. 這堂課不調分，很多內容是連貫的，擋修的微積分是基礎，如果對變數變換、分部積分不熟的要複習一下，不然上到後面會死很慘
2. 小考考題多是課本習題改數字或一字不改，跟大考比起來較容易拿分
3. 實體考試時，期中期末考的基本題通常是課本習題改編，如果只求過的話，基本題要把握，通常都會有60分；如果想要高分通過，我會建議除了課本習題做熟外，可以花點時間去看A First Course in Probability(Ross的書，圖書館可以借)，或是看清大鄭少為老師的開放式課程，會更融會貫通
4. 考試時「find」跟「derive」要看清楚，前者只要寫答案、後者要寫推導過程，然後不要以為大考題目很少就可以慢慢寫，尤其遇到derive的題目通常一題寫完大概二十分鐘就沒了；再來就是定義域(符號的範圍)要寫清楚，即便答案是對的，沒寫定義域照樣扣分
5. 上課老師會錄螢幕，如果上課有不懂想重看的，可以寄email跟老師要影片(但不知道恢復實體之後會不會還有這種措施)
.
課程名稱: 統計推論
修課年度: 110-2
應修系級: 統計2(必)
授課教師: 黃怡婷
課本: Hogg, R. V. and Tanis, E. A. (2010). Probability and Statistical Inference. 8th ed., Pearson. (跟上學期機率概論一樣，新舊版本只有習題差異)
修課成績/排名/百分比: 95+/(5/71)/7%
甜度: 7/10
(這學期有調分)
涼度: 1/10
(跟機概一樣每周小考，課後大概每個禮拜花5-7小時在複習跟寫題目)
評分方式:
印象中老師在課堂上是說 期中考20%*2 + 期末報告20% + 小考40%(出席分數占一半，小考會剔除比較低的一兩次)
(因為後來改遠距，所以期末考改成書面報告；最後有調分)
備註:
1. 機率概論死當的話不能修這門課
2. 這門課死當的話不能修大三的數理統計(環環相扣)
修課心得
1. 如老師所說前面的底要打好，因為統推很多東西都跟上學期機概有關(分配的函數…等)，機概沒學好，統推大概也不會好到哪
2. 期末報告是根據期末學的區間估計跟假設檢定，自己找資料，做指定的估計或檢定，只能用word或latex寫，大綱寫期末佔20%，但數位學苑上面寫25%，老師最後也沒公布報告成績，所以推測報告應該是調分依據
3. 其實上課的模式跟機率概論差不多，差別大概只有期末考變期末報告跟期中考改在課堂上考而已；整體而言，可以感受到老師用心教學，課後也蠻有耐心幫同學解答，但坦白說我沒有很喜歡這兩門課的進度規劃，上學期機概前面花太多時間在講高中就已經學過的內容(ex:條件機率等等)，然後課堂上又要小考、考完還要講解，導致每週實際上教新的東西的時間大概不到一半，最後區間估計跟檢定我覺得沒有學的很扎實
.
課程名稱: 統計套用程式
修課年度: 110-1
應修系級: 統計系2(必)、資料分析學士微學程(必)
授課教師: 蘇南誠
修課成績/排名/百分比: 92/(3/82)/4%
甜度: 3/10(90以上比例不高)
涼度: 5/10(課後大概花2-3小時做作業、跑資料、寫考古)
評分方式:
期中考30% + 期末考30% + 小考20% + 期末個人報告20%
上課方式:
老師會在課堂上即時寫code並講解，
作業方式:
課後作業: 程式作業，不計分，但通常小考會從作業的資料檔跟題目改編
期末個人報告: 配合學校16+2，期末倒數兩週需利用這學期所學，自己找資料並用SAS製作一份敘述性統計跟關聯分析報告
考題形式:
小考: 上機考，通常是1-3題，從作業改編或延伸，大概考半小時，滿分10分，這學期一共考9次，「全部皆計入成績」
期中/期末考: 上機考，通常有5-6大題，每個大題1-4小題不等，依照題目規定完成要製作的報表(會給sample對照)，考試時間兩小時，滿分100-110之間
備註: 統計學死當的話不能修這門課
修課心得:
1. 這門課用的統計軟體是SAS，因為檔案很大(18G)，而且要事先申請軟體序號，建議開學前先去校園授權軟體網申請序號，把SAS下載下來；Mac同學可能會有系統不相容問題
2. 會稍微用到一點程式的概念但不會太深，例如:迴圈、陣列、字串，對這些不太熟的可以去上網查一下資料
3. 大考可以帶兩張雙面A4大抄，但不能上網查指令，可以用SAS Help，題目很多，而且有些題目的指令要修改很多次才會跑出正確的答案，平常沒練一定寫不完
最後要推一下這門課的律涵助教，解答問題非常用心。
.
課程名稱: 會計學
修課年度: 110-1、110-2
應修系級: (進修)企管1
授課教師: 蔡元棠
修課成績: 兩學期皆95+
甜度: 9/10
涼度: 7.5/10
評分方式:
上學期: 期中考35% + 期末考35% + 期末書面報告20% + 出席10%
下學期: 期中考35% + 期末考35% + 出席30%
上課方式: 老師投影自備的word講義(大概就是課本的大小標題)，搭配板書上課
作業方式: 上學期的期末報告是對社會產生影響之會計議題，寫背景介紹跟心得感想，字數限2000字
考題形式: 考前會勾課本習題，佔考試約60%到70%，其他部分會是課本類題，題型的話選擇通常佔30%-60%、填充30%-50%、計算跟分錄題20%-40%，滿分100-125都有
備註: 今年是老師第一次開這門課
修課心得:
因為雙主修必修跟日間部會計衝堂
加上時間考量才選了這門新開的課
老師基本上不會太為難大家
所以考題大多從課本出來
加上出席分數佔了不少
要被當應該是蠻困難的
但如果想學好會計甚至未來要修中會的
日間部的初會可能就比較適合
修課成績最高是99分
B12 因為已換學校帳號
所以直接在文中回覆你
可以計入畢業學分的必修部分
但申請修習進修部的必修課程
需因雙主修必修課程衝堂才可申請
.
課程名稱: 迴歸分析
修課年度: 110-2
應修系級: 統計2(必)
授課教師: 須上英
修課成績/排名/百分比: 94/(3/85)/4%
評分方式:
疫情前大綱上面寫
期中考30% + 期末考40% + 作業四次共15% + 小考兩次15%
但全面遠距後投票改成
作業30% + 小考20% + 期末分組專案書面與口試50%
上課方式:
課前老師會把講義跟程式碼放在數位學苑上，上課會用平板書寫內容，如果喜歡高度還原上課筆記的同學，會建議帶平板作筆記
作業方式:
四次作業應該都會使用同一個資料，依照上課所學，利用SAS跑出的報表後，回答老師的題目，通常會給兩個禮拜完成
考題形式:
這學期只有一次小考，考試跟作業很像，也是利用SAS跑出的報表後，回答老師的題目
修課心得:
1. 關於作業跟考試(甚至是報告)會用到的SAS語法
基本上都不會超出老師給的範圍
可能就做報告可能會用到敘述性統計或篩選資料時上課不會教
但幾乎上網查詢或直接用SAS help就可以找到
(台大統計教學中心裡面提供的SAS教學我覺得蠻夠用的)
如果外系想修這門課
我覺得不一定要修上學期的統計套用程式
2. 主要想來分享一下期末小專題(以下簡稱專題)跟口試的經驗
(1)找組員
專題是由4到6個人一起完成的
如果跟修課同學不熟可以寄email給老師
老師會幫忙撮合
(2)找資料跟初驗
找完組員後就開始找資料
資料需要符合老師的一些規定
組內先做個初步的簡單線性迴歸跟敘述統計後
找個時間跟老師meeting
老師確認沒問題之後就可以開始做
(3)分析過程
我們這組是在kaggle找了一個莫斯科地鐵周圍的租金資料
利用這些資料去預測給定條件下的租金
以及了解傭金抽成的比例
會不會影響到租金的價格
一開始分析的時候沒什麼太大的問題
但選模的過程一直覺得adjusted R^2都特別高
residual plot畫出來的資料點也都有點少
但因為資料太大看不出問題
所以就繼續做下去
後面發現問題純粹是一個偶然
因為選模之後畫出來的residual plot都有特別幾個資料點的殘差遠小於群體
所以就去看資料與租金估計值
這時候才發現很多資料是重複的
用proc freq去看很多剛好都是41的倍數
恰巧應證老師說這個資料是人工資料的可能性(我們遇到問題有跟老師email聯繫)
不過因為離書面死線已經剩不到一天
所以就還是沿用這個資料
(4)口試
口試當天其實有點緊張
因為老師先前在課堂上說會卯足火力的提問
很怕自己沒準備好被電爆
所幸老師在口試時只問了一些跟書面有關的基本問題
就是解釋我們選模的過程
以及選出來的模型所代表的意思
當時有提到交互作用的標準差
所以還有考了一下交互作用的共變異數
(5)口試後心得
幾個老師覺得我們書面報告可以更好的地方給大家參考:
a)初步介紹資料的時候，敘述性統計可以用histogram或是proc freq產出的table列出來
b)模型的「i」一定要打出來，老師上課有講過它的重要性，但我們在校稿的時候只有把epsilon的i打上去而已，雖然老師只有在口試稍微點一下，但這其實是致命的錯誤
c)書面報告的前後邏輯要一致，不要在分析結果放一個分析方法裡面沒有的內容
後記
這應該是統計系少數必修課(專題除外)不是由考試定勝負的課(其實也是因緣際會巧合)
其實一開始聽到要做專題很哀怨
因為覺得找組員做報告弄書面還要口試很麻煩
但在過程中我覺得學到的東西比單純考試多很多
例如解釋資料或是討論問題的過程中
就很吃口語表達能力
還有不斷的篩選資料
集中要研究的方向
這在紙筆測驗就學不到
當然也要感謝隊友們很給力
才能讓這份專案順利完成
最後不得不大推一下須老師
除了很用心在教學上
有問題都會非常耐心且詳細的回覆
專題雖然有十六組
但在口試的過程可以發現老師很認真去看書面報告
當天還要從早上十點一路聽到晚上六點真的很辛苦
希望未來還有機會修到須老師的課！
