理工学部Faculty of Science and Engineering
PRI300XF(情報学基礎 / Principles of informatics 300)多変量解析(経営)Multivariate Analysis
髙澤 兼二郎Kenjiro TAKAZAWA
授業コードなどClass code etc
学部・研究科Faculty/Graduate school | 理工学部Faculty of Science and Engineering |
添付ファイル名Attached documents | |
年度Year | 2021 |
授業コードClass code | H6820 |
旧授業コードPrevious Class code | |
旧科目名Previous Class title | |
開講時期Term | 春学期授業/Spring |
曜日・時限Day/Period | 月3/Mon.3 |
科目種別Class Type | |
キャンパスCampus | 小金井 |
教室名称Classroom name | |
配当年次Grade | |
単位数Credit(s) | |
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 | |
カテゴリー<理工学部>Category |
経営システム工学科 学科専門科目 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
Learn the basic methods in multivariate analysis such as regression analysis, discriminant analysis, and principal component analysis.
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
回帰分析, 判別分析, 主成分分析などの多変量解析の各種手法について学ぶ.
到達目標Goal
各解析方法の概念を理解し,実際のデータに対する計算およびその結果の分析ができるようになる.
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?
ディプロマポリシーのうち、「DP1」と「DP2」と「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. )
講義形式で行う.必要に応じて,質疑応答,問題演習,および演習問題の解説の時間をとる.
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
※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。
第1回:イントロダクション
本講義の内容を概説する.
第2回:単回帰分析 (1)
単回帰分析の概念を紹介する.
第3回:単回帰分析 (2)
最小二乗法による回帰式の計算について学ぶ.
第4回:重回帰分析 (1)
説明変数が二つである場合の重回帰分析について学ぶ.
第5回:重回帰分析 (2)
説明変数が一般の個数である場合の重回帰分析について学ぶ. また, 寄与率や変数選択などに注目した解析方法について学ぶ.
第6回:数量化 1 類
説明変数に質的変数を含む場合の回帰分析について学ぶ.
第7回:これまでのまとめ
これまでの講義のまとめを行う.
第8回:判別分析 (1)
判別分析の概念を知り, 変数が一つである場合の線形判別分析について学ぶ.
第9回:判別分析 (2)
変数が二つ以上である場合の線形判別分析について学ぶ.
第10回:数量化 2 類
説明変数に質的変数を含む場合の判別分析について学ぶ.
第11回:主成分分析 (1)
主成分分析の概念を知り, 主成分の計算方法について学ぶ.
第12回:主成分分析 (2)
寄与率などに注目した,主成分の解析方法について学ぶ.
第13回:数量化 3 類
説明変数が質的変数である場合の主成分分析について学ぶ.
第14回:まとめ
講義全体のまとめを行う.
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.)
【本授業の準備・復習等の授業時間外学習は、4時間を標準とする】線形代数学・微分積分学・確率統計・数理統計学で学んだ事項が用いられるので, 必要に応じて復習をする.
テキスト(教科書)Textbooks
永田靖, 棟近雅彦: 多変量解析法入門, サイエンス社, 2001.
参考書References
必要に応じて講義中に紹介する.
成績評価の方法と基準Grading criteria
データ例に対する解析を課題としたレポートにより評価する (100%).平常点を加味することがある.
学生の意見等からの気づきChanges following student comments
基礎的な内容から講義をしたことが好評であった.一方,理論だけでなく具体的な計算例を示してほしいという意見があったので, 講義時間の許す限り対応する.