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 |
1466 |
| 単位 |
__単位__ |
| 授業概要 |
Markov 連鎖, Bayes 統計モデリング, 階層 Bayes モデリングを紹介する |
| 到達目標 |
統計モデリングに用いられる数学の原理を理解する |
| スキルの育成方法 |
事前分布や事後分布の仮定を行う議論の手法から、課題発見力、論理的思考力を身につける。 |
| 授業計画 |
| 回 | 授業内容 | 事前事後学修内容・所要時間 |
|---|
| 1 | 序論 | [事後] 講義のまとめと課題レポート (2 時間) |
| 2 | 乱数 | [事後] 講義のまとめと課題レポート (2 時間) |
| 3 | 積分法 | [事後] 講義のまとめと課題レポート (2 時間) |
| 4 | Markov 連鎖 | [事後] 講義のまとめと課題レポート (2 時間) |
| 5 | Gibbs サンプリング | [事後] 講義のまとめと課題レポート (2 時間) |
| 6 | Metropolis-Hastings 法 | [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, データサイエンス入門, データ分析手法, 統計モデリングa |
| 後継科目 |
専門演習I |
| 教科書 |
Python で体験するベイズ推論, C. Davidoson-Pilon, 森北出版, https://www.morikita.co.jp/books/mid/007791\nベイズ統計の教科書, かくあき, 翔泳社, https://www.shoeisha.co.jp/book/detail/9784798168890 |
| 参考書 |
モンテカルロ統計計算, 鎌谷, 講談社, https://www.kspub.co.jp/book/detail/5191835.html |
| その他・注意事項 |
統計モデリングaと用いるライブラリ等は異なるが、一般化線形モデルのコーディングができることを前提としている。ノート提出とレポート提出は必須である。
|