|| 英語(English)
学習支援計画書(シラバス) 検索システム
専門教育課程 メディア情報学科
授業科目区分 科目名 単位数 科目コード 開講時期 履修方法
専門教育課程
専門科目
専門
多変量データの統計科学の基礎
Fundamentals of Statistical Science for Multivariate Data
2 F041-01 2024年度
4期(後学期)
修学規程第4条を参照
担当教員名
*印は、実務経験のある教員を示しています。
授業科目の学習・教育目標
キーワード 学習・教育目標
1.多変量解析 2.予測モデル 3.重回帰分析 4.主成分分析 人文・社会科学に関する評価問題では,多くの特性を同時かつ総合的に取り扱わなければな らない場合があり,多変量解析手法はこのときの有効な解決手段となる.本講義ではExcel の関数を用いて多変量解析の考え方と使い方を学習する.特に,評価過程の予測解析手法お よび多変量データの要約方法の修得を最大の目標とする.また,今後の学習活動で,これら の手法を使いこなせるようにすることも目標の一つである.
授業の概要および学習上の助言
授業では,以下の項目に重点がおかれる. 1. 多変量解析の特徴と概要(予測とデータ要約) 2. 重回帰分析の考え方と使い方 3. 主成分分析の考え方と使い方 4.Excel関数の使い方 線型代数学の基礎内容を復習しておくこと.また,数理基礎教養課程の科目などで記述統計(平均,分散,標準偏差な祖)の 内容を修得し,さらに仮説検定の内容も知っておくことが望ましい.
教科書および参考書・リザーブドブック
教科書:指定なし 参考書:多変量解析法入門[サイエンス社]、入門はじめての多変量解析[東京図書] リザーブドブック:指定なし
履修に必要な予備知識や技能
・行列、ベクトルなど線型代数の基礎内容を復習しておくこと. ・各項目とも毎回の授業の積み重ねで成り立っているので,復習により講義内容を確実に習得しておくこと. ・Excelを使っての実習を伴うので,(特に断らない限り)パソコンを持参すること.
学生が達成すべき行動目標
No. 学科教育目標
(記号表記)
D,F,H プロジェクトデザインIIIなどの今後の学習活動の中で,多変量解析を使うことができる.
D,H 予測モデルとデータ要約の概念を区別できる.
D,H 重回帰分析の基本概念と適用方法を理解できる.
D,H 主成分分析の基本概念と適用方法を理解できる.
達成度評価
評価方法
試験 クイズ
小テスト
レポート 成果発表
(口頭・実技)
作品 ポートフォリオ その他 合計
総合評価割合 40 10 30 0 0 0 20 100
指標と評価割合 総合評価割合 40 10 30 0 0 0 20 100
総合力指標 知識を取り込む力 20 5 15 0 0 0 0 40
思考・推論・創造する力 20 5 15 0 0 0 0 40
コラボレーションと
リーダーシップ
0 0 0 0 0 0 0 0
発表・表現・伝達する力 0 0 0 0 0 0 0 0
学習に取組む姿勢・意欲 0 0 0 0 0 0 20 20
※総合力指標で示す数値内訳、授業運営上のおおよその目安を示したものです。
評価の要点
評価方法 行動目標 評価の実施方法と注意点
試験 第14週に実施する.試験時間は60分である.第1週から第13週までの授業で行った内容全てが出題範囲で ある.問題は選択問題,計算問題および記述問題で構成される.計算問題では(通信機能のない)電卓の 使用は可とするが,携帯電話(の電卓機能)やパソコンの使用は不可とする.記述問題では分析結果から 評価過程の内容や総合特性値の意味を考察させる場合もある.
クイズ
小テスト
第5週に実施する予定である.特に,正規方程式および重回帰式の有意性は重要な確認項目である.
レポート レポートは2回実施する.第7週と第11週に課題を提示する予定である.提出はその翌週とする.レポート の内容は,第7週が予測手法(重回帰分析)であり,第11週が主成分分析である.ただし,第11週では予 測モデルに関する課題(偏回帰係数の有意性検定と区間推定など)を含める.それぞれのレポートにおい て,データ分析と結果考察が求められる.
成果発表
(口頭・実技)
作品
ポートフォリオ
その他 出席状況,授業集中度,および授業中に提示する課題の提出状況で評価する.なお,私語など授業進行を 妨げる行為を注意しても繰り返す場合はマイナスに評価することがある.
具体的な達成の目安
理想的な達成レベルの目安 標準的な達成レベルの目安
評価問題の分析における多変量解析の重要性を理解した上で, 各手法について,理論展開(正規方程式,固有値解析)を理解 しており,的確に統計的手続きを行い,解析結果を正確に解釈 できる. 評価問題の分析における多変量解析の重要性を理解した上で, 各手法について,基本概念と意味を知っており,テキストを参 照すれば統計的手続きを行い結果を解釈できる.
CLIP学習プロセスについて
一般に、授業あるいは課外での学習では:「知識などを取り込む」→「知識などをいろいろな角度から、場合によってはチーム活動として、考え、推論し、創造する」→「修得した内容を表現、発表、伝達する」→「総合的に評価を受ける、GoodWork!」:のようなプロセス(一部あるいは全体)を繰り返し行いながら、応用力のある知識やスキルを身につけていくことが重要です。このような学習プロセスを大事に行動してください。
※学習課題の時間欄には、指定された学習課題に要する標準的な時間を記載してあります。日々の自学自習時間全体としては、各授業に応じた時間(例えば2単位科目の場合、予習2時間・復習2時間/週)を取るよう努めてください。詳しくは教員の指導に従って下さい。
授業明細
回数 学習内容 授業の運営方法 学習課題 予習・復習 時間:分※
1 オリエンテーション データの相関と相関係数 講義 予習:線型代数学の教科書でベク トルの内積を理解する. 復習:授業課題を理解する. 60 90
2 重回帰式分析 (1) 重回帰モデルと重回帰式 講義と実習 自己点検・振り返り 予習:配布資料3.1節と3.2節を読 む. 復習:授業課題,配布資料3.1節 と3.2節を理解する. 60 90
3 重回帰式分析 (2)  偏回帰係数の意味(標準偏回帰係数) 講義と実習 自己点検・振り返り 予習:配布資料3.3節と3.4節を読 む. 復習:授業課題,配布資料3.3節 と3.4節を理解する. 60 90
4 重回帰分析 (3)  重回帰式の有意性と精度 講義と実習 自己点検・振り返り 予習:配布資料3.6節と付録A.1を 読む. 復習:授業課題,配布資料3.6節 と付録A.1を理解する. 60 90
5 重回帰分析 (4)  正規方程式と偏回帰係数(3変数以上の場合)  小テスト 講義と実習 筆記試験 予習:配布資3.1節から3.5節を理 解する. 復習:小テスト,授業内容を理解 する. 120 60
6 重回帰分析 (5)  t検定と偏回帰係数の有意性 講義と実習 自己点検・振り返り 予習:技術者のための統計のテキ ストなどでt検定の箇所を読む. 復習:授業課題,配布資料3.7節 を理解する. 90 60
7 重回帰分析 (6)  総合演習(結果解釈の方法) レポート1 (課題提示) 講義と実習 自己点検・振り返り 予習:配布資料3.1節から3.7節を 読む. 復習:授業課題,重回帰分析全体 の内容を理解する. 60 120
8 主成分分析 (1)  主成分分析の目的  講義と実習 予習:配布資料4.1節と4.2節を読 む. 復習:配布資料4.1節と4.2節を理 解する. 60 90
9 主成分分析 (2)  主成分の導出 講義と実習 自己点検・振り返り 予習:配布資料4.3節を読む. 復習:授業課題,配布資料4.3節 を理解する. 60 90
10 主成分分析 (3)  累積寄与率と主成分負荷量 講義と実習 自己点検・振り返り 予習:配布資料4.3節,4.4節を読 む. 復習:授業課題,配布資料4.4節 を理解する. 60 90
11 主成分分析 (4)  総合演習 レポート2 (課題提示) 講義と実習 自己点検・振り返り 復習:授業課題,配布資料4.4節 を理解するとともに,第8〜11週 の授業内容を理解する. 120
12 基礎演習・総合演習 (1)  他の多変量解析手法,多変量解析の応用,  統計の基礎理論の紹介など 講義と実習 自己点検・振り返り 予習:配布資料第3章を読む. 復習:授業課題を理解する. 60 90
13 基礎演習・総合演習 (2)  他の多変量解析手法,多変量解析の応用,  統計の基礎理論の紹介など 講義と実習 自己点検・振り返り 予習:配布資料第4章を読む. 復習:レポート2の内容を理解す る. 60 30
14 統計の基礎理論の紹介と達成度確認試験 講義と筆記試験 予習:第1週から13週までの学習 内容を理解する. 180
15 達成度確認試験の解説と自己点検授業 達成度確認試験についての解 説を行う. 復習:達成度確認試験の内容を理 解する. 60
中間時点で,これまでに実施,返却した小テスト,レ ポートについての(振り返りの)演習を行う.各自, これまでの小テスト,レポートなどで出来なかった点 を確認しておくこと.また,授業では,多くの課題演 習を行うので理解力の向上に役立ててほしい.