Course Overview

This course introduces many important ideas and useful methods in computational statistics, such as sampling, integration, simulation, resampling, Bayesian computation, optimization and matrix computation. This course assumes familiarity with mathematical statistics at the level of STAT 415 and linear algebra at the level of MATH 220.

Course Schedule

There are two sections scheduled for STAT 440 with In Person Instruction mode:

• TuTh 9:05 - 10:20AM, Wartik Lab 106, Xiang Zhu;

• TuTh 12:05 - 1:20PM, Wartik Lab 106, Jeremy Seeman.

The Office of the University Registrar defines “In Person Instruction” (https://www. registrar.psu.edu/registration/instruction-modes.cfm) as follows: “Class  meets in person at days/times listed. Instructors can offer up to 24 percent of an in-person  class remotely (synchronously or asynchronously), a flexibility to manage their own  absences, whether due to illness or other unavoidable circumstances, during travel, or  for pedagogical reasons”. The University Faculty Senate affirms that all instructors,  regardless of title or rank, can temporarily switch their classes to an online environment  should they need, or choose, to do so. Such decisions are not subject to review or approval,  and are meant to be self-directed.

Table 1 lists the detailed course schedule (last updated on January 11, 2022). Please note that the schedule may be subject to change in response to unprecedented events, and students will be notified of all changes as soon as possible.

There are no required textbooks for this course. In-house lecture notes and supplementary materials are provided on Canvas.

To ensure equity and consistency, both sections of STAT 440 use the same course materi- als (e.g., lectures, homework problems, exams) and follow the same course policies.

All course materials (e.g., lectures, homework problems, exams) are based on R (https: //www.r-project.org/). Students are allowed to use other programming languages at  their discretion, but the course staff only provide support on R.

There are many different ways to use R for this course. If you want to run your code locally, you can download R and RStudio (a useful IDE for R) for free here: https://cran.r-project.org/. If you want to use RStudio using Penn State com- puting resources, you can use RStudio Server online here:https://lat.tlt.psu.edu/ home/remoteaccess/oss-web-apps/. Note that to use RStudio Server, you must be

connected to Penn State internet or use the GlobalProtect VPN.

Office Hours

Starting from the second week there are three sessions of office hours per week that are shared by both sections of STAT 440:

• Muzi Zhang: Mondays, 5 - 7 PM, https://psu.zoom.us/j/97563946253? pwd=QzBhTXRtWUtKa3Nvd2l6Yyt0Z1hQUT09;

• Jeremy Seeman: Wednesdays, 4 - 6 PM,https://psu.zoom.us/j/96846094892? pwd=NHdOVFBjaDFHN2dwTGRBRktkOG5hZz09;

• Xiang Zhu: Fridays, 4:30 - 6:30 PM,https://psu.zoom.us/j/95651968591? pwd=R0VGMVdTZXozOEwxQVhDdVhQR0xOUT09.

We have scheduled our office hours in the afternoons and evenings throughout the week to minimize conflicts with other courses, in the hope that all students may have an opportunity to attend. However, if you cannot attend any of these sessions regularly, please contact us via [email protected].

According to Penn State Academic Calendar 2021-22 (https://www.registrar.psu. edu/academic-calendars/2021-22.cfm), March 6 – 12 are Spring Break (no classes). Hence, there will be no office hours on these days.

All office hours are held virtually via Zoom. To protect privacy and academic integrity, all office hours are not recorded. One-time changes to office hours will be announced via Canvas. Ongoing changes will be announced via Canvas and updated in the syllabus.

Indoor Masking

With the identification of the omicron coronavirus variant and experts predicting the number of COVID-19 cases to rise over the winter months, Penn State’s indoor masking policy will remain in effect into the spring 2022 semester. University policy requires            all individuals, regardless of their vaccination status, to wear face masks while in-           doors on campus. Masks are required in all classrooms. For more details, please see            the Penn State News on 12/03/2021 (https://www.psu.edu/news/campus-life/            story/indoor-masking-requirement-set-remain-effect-spring-2022-semester/).

Winter Weather

In the event of a change in normal campus operations due to weather or an emergency, such as during a delay or cancellation, in-person courses cannot be moved to a syn- chronous remote meeting. The instructor can choose to cancel class altogether. For more

details, please see the Penn State News on 11/19/2021 (https://www.psu.edu/news/                       story/penn-state-shares-update-procedures-winter-weather-delays-cancellations/).

Effective Communication

Please follow the instructions below to facilitate effective course communication.

• To facilitate collaborative learning, please ask all academic questions at the Canvas Discussion Page, and not via email.

• If you accidentally email us any academic question, we may choose to post your question anonymously on your behalf to Canvas Discussion Page so that others in the class can benefit from your question and our replies.

• For all administrative matters containing sensitive information, please only email [email protected] and do not contact others.

• Please only use Penn State email to ensure our communication reflects university and federal privacy policies.

• We work tirelessly to response in a timely manner, but please allow up to two business days for a response during the busy time.

• Please keep emails brief and avoid attachments. Any large-size email (> 1Mb) will be deleted without viewing.

Learning Assessment

The learning assessment of our course consists of replication, homework, one midterm exam, one final exam and one course project, as detailed below. To maximize your learn- ing outcomes, you must take each assessment seriously as best as you can. The lowest score of all assessments will not be dropped or adjusted in the total grade evaluation except under extenuating circumstances with valid proofs and documentations.

The midterm and final exams are take-home. For each exam you must complete it independently, and cannot seek help from anyone else including, but not limited to, the course staff, classmates, relatives, colleagues, teachers and internet forums. Prior to submissions, students can ask for clarifications from the course staff.

Replication

There is an effort-based replication task associated with each lecture. Specially, you need to rerun all codes in the lecture, compare your results to the lecture, and then submit a replication report to Canvas shortly after each lecture. There is no format requirement or page limit for your reports, so that you can focus more on the content rather than appearance for each replication. The sole purpose of writing these reports is to ensure a thorough understanding of course materials. The replication report is entirely effort-based and not graded. You will receive 100% of replication report credits if you can submit all your reports in time. That said, we may read your reports of certain lectures to help us better understand your performance in certain graded homework or exam.

Homework

There are multiple homework assignments throughout the course. We use Canvas for the online submission and grading of homework. After attempting homework problems on an individual basis, you can seek help from our office hours or discuss homework problems with classmates. However, you must write up your own solutions individually and explicitly indicate from whom (if any) you received help on the first page of your submissions. Failing to disclose collaboration is a violation of academic integrity.

Take-home Exams

The midterm exam will be released on February 23rd, 9 AM and due on February 24th, 9 AM. The final exam dates will be announced once the dates have been set by the University. This arrangement complies with the University Faculty Senate 44-20 Final Examination Policy. Both the midterm and final exam dates cannot be changed and no make-up exams will be provided except under extenuating circumstances with valid proofs and documentations. Both exams are based on all topics covered during this course until the exam dates, including materials from lectures and homework problems. You should focus on these existing materials when studying for the exams. We do not provide additional practice exam problems and solutions.

Course Project

The course project is an opportunity for you to apply the techniques you’ve learned in this course to an area that interests you. All projects should include the implementation and study of computer code, and at least one item from the following list:

1. a thorough simulation study comparing results from one or more papers;

2. an application of existing methods or models to a new data set to answer a specific scientific question;

3. an application of a new method to a data set that has been previously studied using other methods;

4. a theoretical development, such as rewriting or explaining a proof for a more complex method or adding additional insights beyond an existing paper.

For the project submission, you will turn in a final paper and any code used to implement the project. More details about the project will be announced later in the course.

Note that a project proposal is due before spring break. This is an informal, 1-page detailed summary of your project plan that allows us to help you refine your project goals. Please feel free to reach out to us if you’d like to discuss potential projects.

Submission Guide

Below are important guidelines regarding the online submission of replication reports, homework assignments, take-home exams and course projects. Please read them carefully. Because our course builds on contents of each lecture, it is important that we provide all students with feedback on their learning assessments quickly and effectively. Based on our experience, we have found that the following guidelines help us get assessments back to students in a timely manner.

• Students will be notified via Canvas email as soon as each item of learning assess- ment is posted on Canvas.

• Please start working on the learning assessment tasks as soon as they are posted, and allow adequate time to complete and submit them. Late submissions will not be graded and will result in a score of zero. Empty submissions will automatically result in a score of zero.

• All learning assessments must be submitted online on Canvas. Any other submis- sion types (e.g. email attachments) are not accepted.

• Please clearly write your name and Penn State User ID at the top of each submission to ensure your grade is recorded properly.

• Students may submit a single assessment multiple times before the due date. For example, if there is a mistake in the first submission, students can correct it and resubmit the corrected version. We will only grade the last version that is submitted prior to the deadline.

• Students are recommended to type solutions for submission, using word processors such as Microsoft Word or LATEX.

• Students can also scan handwritten solutions and upload them to Canvas. Hand- written submissions that are not clearly and easily legible will not be graded.

• Raw camera photos (without going through a “scanning” step) of exam solutions will not be graded. Raw photos are often unreadable, and are difficult to scale appropriately to view on the screen within the Canvas grading system.

• For each exam submission, please combine all work (pages) into a single PDF and upload it to Canvas. All other file formats are not accepted.

Regrading Policy

For each graded learning assessment, students can send a written request for regrading to [email protected]. Any regrade requests must be submitted through email within one week of receiving the grade. Please, read the relevant solutions and review the relevant course materials prior to sending a request. The request must specify (1) the part(s) of the assessment for regrading and (2) the reason(s) for regrading. We will carefully regrade the entirety of the assessment for which any regrade is requested and the resulting score may be higher or lower than the original one. Please allow up to two weeks to receive the complete regrading reports. Students can only submit one regrading request for each assessment, and all grades after regrading are final.

Grade Breakdown

Your total numerical grade is calculated as follows. The grades of all assessments are normalized to be out of 100%. Each grade component is multiplied by the weight below and summed. The minimum and maximum possible total numerical grades are 0% and 100%, respectively.

Total Numerical Grade = 10% Replication Average + 30% Homework Average + 20% Midterm Exam + 20% Final Exam + 20% Course Project

Each replication report contributes equally to your total replication grade, and thus your total replication grade is an unweighted average of all replication grades. Each homework contributes equally to your total homework grade, and thus your total homework grade is an unweighted average of all homework grades.

Please note that your total numerical grade is merely determined by the learning assess- ments as described above. Unsolicited work in any form will not be considered in the calculation of total numerical grade.

In light of your total numerical grade, we then assign you a letter grade based on our best professional judgment, in a fair and consistent manner. Since classes often vary across instructors, semesters and years, our letter grade scheme may not be the same as other STAT 440 classes. We assess students’ academic performance purely based on observations of the present class, and we do not use any external or historical information.

As of January 11, 2022, the provisional cutoffs for A-level and B-level letters grades are >80% and >60% respectively, and there is no provisional cutoff for C-level letters at this point. With more grade data becoming available over the semester, these cutoffs may be subject to minor change. If so, all students will be informed of any changes immediately via Canvas email.

Privacy Statement

Students must not audio or video record course-related meetings without permission from the instructor. If the instructor grants permission or if the teaching team posts videos themselves, students must keep recordings only for personal educational use and must not post recordings on any public or private domain, or otherwise distribute them. These policies protect the privacy rights of course staff and students, and the intellectual property and other rights of the university. Students who need lectures recorded for the purposes of an academic accommodation should contact the Student Disability Resources (http://equity.psu.edu/sdr/).

Academic Integrity

Academic integrity is the pursuit of scholarly activity in an open, honest and responsible

manner. Academic integrity is a basic guiding principle for all academic activity at The Pennsylvania State University, and all members of the University community are expected to act in accordance with this principle. Consistent with this expectation, the University’s Code of Conduct states that all students should act with personal integrity, respect other students’ dignity, rights and property, and help create and maintain an environment in which all can succeed through the fruits of their efforts.

Academic integrity includes a commitment by all members of the University community not to engage in or tolerate acts of falsification, misrepresentation or deception. Such acts of dishonesty violate the fundamental ethical principles of the University community and compromise the worth of work completed by others.

Accessible Education

Penn State welcomes students with disabilities into the University’s educational programs. Every Penn State campus has an office for students with disabilities. Student Disability