科目名
(英語名) |
__科目名__
(__科目名(英語)__) |
| 担当教員 |
西村 まどか |
| 開講時期 |
__開講時期__ |
| 科目ナンバー |
__科目ナンバー__ |
| 授業コード |
2266 |
| 単位 |
__単位__ |
| 授業概要 |
多変数の特徴を掴むためにモデリングの手法を学ぶ |
| 到達目標 |
一般線形化モデルの基礎を知る |
| スキルの育成方法 |
線形回帰モデルやロジスティック回帰モデルを起点に一般化線形モデルへの拡張を行うことで、\n批判的思考力、論理的思考力、課題発見力、問題解決力を得る |
| 授業計画 |
| 回 | 授業内容 | 事前事後学修内容・所要時間 |
|---|
| 1 | 確率分布 | [事後] 講義のまとめと課題レポート (2 時間) |
| 2 | 統計的推定 | [事後] 講義のまとめと課題レポート (2 時間) |
| 3 | 統計的仮説検定 | [事後] 講義のまとめと課題レポート (2 時間) |
| 4 | 線形回帰モデル | [事後] 講義のまとめと課題レポート (2 時間) |
| 5 | ロジスティック回帰モデル | [事後] 講義のまとめと課題レポート (2 時間) |
| 6 | 一般化線形モデル | [事後] 講義のまとめと課題レポート (2 時間) |
| 7 | まとめと解説 | [事後] 講義のまとめと課題レポート (2 時間) |
| 8 | | |
| 9 | | |
| 10 | | |
| 11 | | |
| 12 | | |
| 13 | | |
| 14 | | |
受講者の事前知識と進度により適宜変更する。
|
| 成績評価基準 |
授業態度 20%, 電子レポート提出 40%, 内容発表 40% |
| 前提科目 |
経営工学, 応用数学, データ分析手法, データサイエンス入門 |
| 後継科目 |
統計モデリングb |
| 教科書 |
データ解析のための統計モデリング入門, 久保, 岩波, https://www.iwanami.co.jp/book/b257893.html |
| 参考書 |
統計モデルと推測, 松井 他, 講談社, https://www.kspub.co.jp/book/detail/5178027.html\nBayesian Analysis with Python: Introduction to statistical modeling and probabilistic programming using PyMC3 and ArviZ, 2nd Edition, O. Martin, Packt Publishing, https://www.amazon.com/Bayesian-Analysis-Python-Introduction-probabilistic-ebook/dp/B07HHBCR9G |
| その他・注意事項 |
Python コーディングがある程度でき、自前で環境を持っていることが前提となる。レポートとノート提出は必須である。
|