新南威尔士大学MATH2831课程深入介绍了如何使用重要的线性模型建立统计模型。课程涵盖的主题涉及如何估计线性模型中的参数，如何使用假设检验比较模型，如何在以预测响应为目标时选择一个或多个良好模型，以及如何检测对相关决策有不当影响的模型假设。这些其实都是Final Exam的考点。具体来说，同学在考前复习时，可以着重关注下述考点。
一、MATH2831 Final考点总结
课程涵盖了多元线性回归模型和回归分析的图解方法，以及多变量正态分布，二次型(分布和独立性)，高斯-马尔可夫定理，假设检验，模型选择，残差分析，影响诊断和方差分析。侧重于以下五部分内容：
1、简单线性回归；
2、一般线性模型，模型选择；
3、残差和诊断；
4、分类预测；
5、小于满秩模型和其他回归模型。
二、MATH2831 Final考察目标
1、使用关键的理论工具探索线性统计模型的性质；
2、在应用环境中为线性模型应用推理和模型选择的关键方法；
3、在线性统计模型理论中导出基本结果；
4、在新的环境中应用核心技能。
新南威尔士大学MATH2831课程的目的是让学生了解回归模型的基本原理，这对于任何打算成为专业统计学家或对数学和统计专业学生进行统计学高等研究的人来说都是必不可少的。课程的各个组成部分(讲座、辅导、作业、测试、考试)都是为了提高学生的研究、调查和分析思维能力，并发展与数据统计分析有关的基本计算技能。Final Exam占课程总评估的60%，比重很高，因此同学一定要做好考前复习工作，希望上述考点总结能够帮助到同学。