|| 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 経営情報学科
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
統計学Ⅱ
Statistics II
2 F113-01 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 5.因子分析 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Python 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.因子分析の考え方と使い方 線型代数学の基礎内容を復習しておくこと.また,「情報のための統計」で記述統計の内容を修得し,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:指定なし 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. ・Python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,N,O,Q 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,O 予測モデルとデータ要約の概念を区別できる.
D,O 主成分分析の基本概念と適用方法を理解できる.
D,O 因子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 0 0 40 40 0 0 20 100
指標と評価割合 総合評価割合 0 0 40 40 0 0 20 100
総合力指標 知識を取り込む力 0 0 20 10 0 0 0 30
思考・推論・創造する力 0 0 10 10 0 0 0 20
コラボレーションと
リーダーシップ
0 0 0 10 0 0 10 20
発表・表現・伝達する力 0 0 10 10 0 0 0 20
学習に取組む姿勢・意欲 0 0 0 0 0 0 10 10
※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
クイズ
小テスト
レポート 課題10回及びレポート2回実施する.レポートについては第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,主成分分析及び因子分析である.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)
総合演習で得た成果発表を論理的に説明しているかで評価する。
作品
ポートフォリオ
その他 授業貢献度及び総合演習でのチーム貢献度で評価する.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た上で,的確に統計的 手続きを行い,解析結果を解釈できる.
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 正規方程式と偏回帰係数(3変数以上の場合) 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)  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
6  理解度確認テスト 重回帰分析 (5) 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
7 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
8 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
9 因子分析 (1)  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
10 因子分析 (2)  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
11 多変量解析の総合演習 (1)  その他の多変量解析手法,  多変量解析の応用,統計の基礎理論など   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
12 多変量解析の総合演習 (2)  その他の多変量解析手法,  多変量解析の応用,他の多変量解析手法など 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
13 特別講義 「社会で活用される多変量解析の最前線」 特別講師による講義
14 多変量解析の総合演習  最終発表 最終発表 予習:最終発表の準備をする。 復習;質疑応答した課題を整理す る 180
15 総括と自己点検授業 本授業で学んだ多変量解説に ついて総括する. 復習:多変量解説について理解を 深める。 60