デザイン工学部Faculty of Enginneering and Design
MAT100NC(数学 / Mathematics 100)確率・統計Probability and Statistics
牧野 倫子Michiko MAKINO
授業コードなどClass code etc
学部・研究科Faculty/Graduate school | デザイン工学部Faculty of Enginneering and Design |
添付ファイル名Attached documents | |
年度Year | 2024 |
授業コードClass code | B1271 |
旧授業コードPrevious Class code | |
旧科目名Previous Class title | |
開講時期Term | 秋学期後半/Fall(2nd half) |
曜日・時限Day/Period | 木1/Thu.1,木2/Thu.2 |
科目種別Class Type | |
キャンパスCampus | 市ヶ谷 |
教室名称Classroom name | 各学部・研究科等の時間割等で確認 |
配当年次Grade | 2~4 |
単位数Credit(s) | 2 |
備考(履修条件等)Notes | |
他学部公開科目Open Program | |
他学部公開(履修条件等)Open Program (Notes) | |
グローバル・オープン科目Global Open Program | |
成績優秀者の他学部科目履修制度対象Interdepartmental class taking system for Academic Achievers | |
成績優秀者の他学部科目履修(履修条件等)Interdepartmental class taking system for Academic Achievers (Notes) | |
実務経験のある教員による授業科目Class taught by instructors with practical experience | |
SDGsCPSDGs CP | |
アーバンデザインCPUrban Design CP | |
ダイバーシティCPDiversity CP | |
未来教室CPLearning for the Future CP | |
カーボンニュートラルCPCarbon Neutral CP | |
千代田コンソ単位互換提供(他大学向け)Chiyoda Campus Consortium | |
選択・必修Optional/Compulsory | 必修 |
入学年度Admission year | |
カテゴリー(2023年度~)Category (2023~) | |
カテゴリー(2019~2022年度)Category (2019~2022) |
都市環境デザイン工学科 基盤科目 理工系 自然科学分野 |
カテゴリー(招聘学科)Category | 都市 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
Course outline:
This is a course on multivariate analysis, with subjects on linear regression, multiple regression analysis, principal component analysis and more. Students will learn analysis methods through practice and training for use in practical situations.
Learning Objectives:
At the end of the course, students are expected to A and B.
Learning activities outside of classroom:
Before and after each class meeting, students will be expected to spend two hours to understand the course content.
Grading Criteria /Policies
Your overall grade in the class will be decided based on the following
Term-end examination: 60%、Short reports and in class contribution: 40%.
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的(何を学ぶか)Outline and objectives
多変量解析について、基礎的な考え方を理解する。線形回帰、重回帰分析、主成分分析などについて、実践的な運用力を身につけることを目的とした演習を行う。
到達目標Goal
本科目では、理工系のさまざまな分野において必要性の高い、基礎的な確率・統計手法の習得をめざす。
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか(該当授業科目と学位授与方針に明示された学習成果との関連)Which item of the diploma policy will be obtained by taking this class?
デザイン工学部都市環境デザイン工学科ディプロマポリシーのうち、「DP4」に関連
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)(学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. )
講義と演習を交互に行い、理論の数学的な厳密性よりも実践的な運用力を身に着けるように説明する。しかし、線形代数と微積分の知識がないと理論を理解することは、かなり困難であり、AB期とCD期の内容が該当する講義は出来るだけ受講すること。演習では、ノートパソコン(または関数電卓)を使用する。遅刻、私語は厳禁である。疑問点を持ち越さないように、積極的に質問すること。
アクティブラーニング(グループディスカッション、ディベート等)の実施Active learning in class (Group discussion, Debate.etc.)
なし / No
フィールドワーク(学外での実習等)の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching:対面/face to face
※各回の授業形態は予定です。教員の指示に従ってください。
1[対面/face to face]:確率・統計学の基礎
分散・不偏分散、標準偏差などの基本統計量の意味と扱い方、推定、検定
2[対面/face to face]:第1回の演習
与えられたデータを用い、平均、分散、標準偏差、相関係数等を求める。さらに推定、検定を行う。
3[対面/face to face]:重回帰分析
説明変数と目的変数、線形独立の仮定、最小自乗法、偏差積和、偏回帰係数
4[対面/face to face]:第3回の演習
与えられたデータを用い、平均、分散、共分散、偏差積和等を求める。
5[対面/face to face]:重回帰式の有意性の検定
回帰変動と残差変動、F分布による有意性の検定、重相関係数
6[対面/face to face]:第5回の演習
与えられたデータを用いて、重回帰式、重相関係数、偏相関係数を求める。
7[対面/face to face]:主成分分析(1)
分散最大条件と未定乗数法、固有値と固有ベクトル
8[対面/face to face]:第7回の演習
与えられたデータおよび標準化したデータの主成分を求める。
9[対面/face to face]:主成分分析(2)
累積寄与率と因子負荷量
10[対面/face to face]:第9回の演習
与えられたデータの主成分、累積寄与率、因子負荷量等を求める。
11[対面/face to face]:数量化理論Ⅰ類とクラスター分析
量的データと質的データ、アイテムとカテゴリー、ユ-クリッド距離、マハラノビス距離、最短距離法、重心法、デンドログラム
12[対面/face to face]:第11回の演習
与えられたデータをアイテム、カテゴリを基にダミー変数を用いて数量化し、カテゴリーウエイト等を求める。また与えられたデータをユークリッド距離を用い最短距離法で分析を行う。
13[対面/face to face]:総合演習(1)
重回帰分析に関する総合演習
14[対面/face to face]:総合演習(2)
主成分分析に関する総合演習
授業時間外の学習(準備学習・復習・宿題等)Work to be done outside of class (preparation, etc.)
事前に配布する資料を用いて予習および復習を欠かさず行うこと。演習の前にはエクセルまたは電卓でその回の例題を、自分で計算して確認をする。本授業の準備学習・復習時間は、各2時間を標準とします。
テキスト(教科書)Textbooks
講義資料を配布する。教科書は指定しないが、下記の参考書を購入しておくことが望ましい。
参考書References
宮崎直・勝野恵子・酒井祐貴子(共著)初めて学ぶ線形代数、培風館。
永田靖・棟近雅彦(共著):多変量解析法入門、サイエンス社。
河口至商(著):多変量解析入門Ⅰ、Ⅱ、森北出版。
成績評価の方法と基準Grading criteria
練習レポート等の平常点40%と、期末試験60%の成績を総合して評価する。欠席4回以上は単位の取得を認めない(評価D)。
成績評価:90点以上をS、89~87点をA+、86~83点をA、82~80点をA-、79~77点をB+、76~73点をB、72~70点をB-、69~67点をC+、66~63点をC、62~60点をC-、60点未満をD とする。
学生の意見等からの気づきChanges following student comments
特になし
学生が準備すべき機器他Equipment student needs to prepare
演習ではExcelを使用する。