Multivariate Analysis ｜ Syllabus data

開講年度

2025Year

開講学期

Second Semester

科目名

Multivariate Analysis

授業種別

Lecture

科目名（英語）

Multivariate Analysis

授業情報(授業コード・クラス・授業形態)

A2000005 Multivariate Analysis

担当教員

TAKEKAWA Takashi

単位数

2.0Credits

曜日時限

Mon.4Period

キャンパス

Hachioji Remote

教室

.,15-103 Izumi04

学位授与の方針

1 基礎知識の修得 20 ％
2 専門分野の知識・専門技術の修得 80 ％
3 汎用的問題解決力の修得 0 ％
4 道徳的態度と社会性の修得 0 ％

具体的な到達目標

・最尤推定と最小二乗法を理解し、説明することができる。
・データに対して回帰分析と分散分析を適用し、評価することができる。
・一般化線形モデルを理解し、説明することができる。

受講にあたっての前提条件

「確率・統計I」を修得していることが望ましい。

授業の方法とねらい

「確率・統計I」で学んだ基本的な推測統計学の考え方を発展させ、確率モデルを用いたデータ解析の考え方について理解を深める。
特に、データの変数間の相関を用いた基本的予測・分析手法である回帰分析と分散分析の理論を学び、実際のデータに適用し評価できるようになる。

AL・ICT活用

Project Based Learning／Discussion Debate／Interactive classes using ICT／Support for self-learning using ICT

第1回

授業形態

ハイブリッド

事前学習

確率・統計Ⅰの復習として、教科書 1.1 ~ 1.6 の内容を確認する。

4時間

授業内容

データの記述と要約

事後学習・事前学習

授業で示された演習問題に取り組む。
教科書 2.1 ~ 2.9 の内容を予習する。

2時間

第2回

授業形態

ハイブリッド

授業内容

確率と確率分布

事後学習・事前学習

授業で示された演習問題に取り組む。
教科書 2.10 ~ 3.3 の内容を予習する。

2時間

第3回

授業形態

ハイブリッド

授業内容

統計的推定の基礎

事後学習・事前学習

授業で示された演習問題に取り組む。
教科書 3.4 ~ 3.5 の内容を予習する。

2時間

第4回

授業形態

ハイブリッド

授業内容

検定の具体例

事後学習・事前学習

授業で示された演習問題に取り組む。
教科書 4.1 ~ 4.4 の内容を予習する。

2時間

第5回

授業形態

ハイブリッド

授業内容

統計的仮説検定

事後学習・事前学習

授業で示された演習問題に取り組む。
教科書 5.1.1 ~ 5.1.4 の内容を予習する。

2時間

第6回

授業形態

ハイブリッド

授業内容

単回帰分析

事後学習・事前学習

試験に備えて授業全体を復習する。

4時間

第7回

授業形態

ハイブリッド

授業内容

学習成果の確認（授業内試験；中間試験）
　　第6回までの内容について理解度を確認する

事後学習・事前学習

授業で示された演習問題に取り組む。
教科書 5.1.5~ 5.1.8 の内容を予習する。

4時間

第8回

授業形態

ハイブリッド

授業内容

重回帰分析

事後学習・事前学習

授業で示された演習問題に取り組む。
教科書 5.2.1 の内容を予習する。

2時間

第9回

授業形態

ハイブリッド

授業内容

１元分散分析

事後学習・事前学習

授業で示された演習問題に取り組む。
教科書 5.2.2の内容を予習する。

2時間

第10回

授業形態

ハイブリッド

授業内容

２元分散分析

事後学習・事前学習

授業で示された演習問題に取り組む。
授業中に指示された内容を予習する。

2時間

第11回

授業形態

ハイブリッド

授業内容

一般化線形モデル
・ポアソン回帰
・ロジスティック回帰

事後学習・事前学習

授業で示された演習問題に取り組む。
授業中に指示された内容を予習する。

2時間

第12回

授業形態

ハイブリッド

授業内容

発展的話題
・交差検定
・正則化

事後学習・事前学習

授業で示された演習問題に取り組む。
授業中に指示された内容を予習する。

2時間

第13回

授業形態

ハイブリッド

授業内容

全体のまとめと展望
・機械学習
・ベイズ推論
・ニューラルネットワーク

事後学習・事前学習

試験に備えて授業全体を復習する。

6時間

第14回

授業形態

対面

授業内容

学修到達度の確認（授業内試験；期末試験）

事後学習・事前学習

期末試験の問題を解答を参照しながら改めて解き直す。

3時間

第15回

授業形態

遠隔（オンデマンド）

授業内容

学修内容の振り返り

事後学習

各回の演習、期末試験の内容をまとめ直す。

2時間

成績評価の方法

試験と各回の課題を９：１で評価する。

試験は、授業内試験２回（第７回に中間試験、第１４回に期末試験）を
max(期末試験, 0.5 * 中間試験 + 0.5 * 期末試験) で評価する。
ただし、中間試験はレポート等の形式とする可能性がある。

受講生へのフィードバック方法

基本、授業中での質問を推奨し回答する。
それ以外に、Google フォーム等により随時質問を受け付け回答する。

教科書

日本統計学会編「改訂版・日本統計学会公式認定・統計検定２級対応・統計学基礎」東京図書
　ISBN　978-4-489-02227-2

参考書

馬場真哉「Pythonで学ぶあたらしい統計学の教科書」翔泳社
　ISBN978-4-7981-7194-4
大村平「多変量解析のはなし—複雑さから本質を探る」日科技連出版社
　ISBN　978-4-8171-8027-8

オフィスアワー

授業終了後月曜5限に八王子にて
それ以外の時間も Google Chat などで随時質問を受け付けます．

受講生へのメッセージ

・講義と Google Colaboratory 環境を利用した演習を行います．
・受講制限を行う可能性がありますので，第１回の授業に必ず出席してください．
・受講人数や状況に応じて一部の授業を遠隔で行う可能性があります．

実務家担当科目

Applicable

実務経験の内容

データ分析の経験がある教員が、実データに対する理論適用の経験を活かし、実践的なデータ分析について講義する。

教職課程認定該当学科

Department of Information Systems and Applied Mathematics／Department of Informatic Sciences

その他の資格・認定プログラムとの関連