理工学部Faculty of Science and Engineering
SSS300XF(社会・安全システム科学 / Social/Safety system science 300)経営工学基礎演習Exercise of Fundamental Management Science
田村 信幸Nobuyuki TAMURA
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 | H6773 |
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 | 集中・その他/intensive・other courses |
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)
This course deals with statistical theories for lifetime data analysis and multivariate analysis. It also enhances the development of students' skill in computational methods.
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
統計モデルの理論とデータ解析手法について学び,後期のPBL及び4年次の卒業研究の準備を行う.
到達目標Goal
確率と統計の基礎理論を十分に理解し,計算機を使用してデータ解析を行う能力を養う.重回帰モデル,ロジスティック回帰モデル,クラスター分析,判別分析,一般化線形モデル,不完全データ解析,統計的多重比較法の基礎理論を理解し,計算機を用いてこれらの手法を実際に利用できるようになることを目指す.
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. )
各自で基礎理論を勉強した上で発表して貰い,その内容について質疑応答を中心とした議論を行う.随時計算機を用いた演習を行う.
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.)
あり / Yes
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:全体説明
演習の進め方と概要
第2回:確率に関する計算演習
Mathematicaを用いた1次元確率分布に関する確率計算
第3回:統計に関する計算演習
Mathematicaを用いた最尤推定
シミュレーションによる推定量の評価
第4回:記述統計的データ解析の基礎
ヒストグラムと散布図
データのソート
第5回:重回帰モデル1
単回帰モデルの復習
重回帰モデルの数理
パラメータの推定
第6回:重回帰モデル2
寄与率と自由度調整済み寄与率の違い
偏回帰係数の検定
第7回:重回帰モデル3
重回帰モデルによるデータ解析
第8回:ロジスティック回帰モデル1
ロジスティック回帰モデルの基礎数理
第9回:ロジスティック回帰モデル2
ロジスティック回帰モデルによるデータ解析
第10回:判別分析1
判別分析の基礎数理
線形判別関数とマハラノビスの距離
第11回:判別分析2
判別分析によるデータ解析
第12回:一般化線形モデル
ポアソン回帰モデル
ガンマ回帰モデル
ワイブル回帰モデル
第13回:統計的多重比較法
テューキーの方法
ダネットの方法
ウィリアムズの方法
シェフェの方法
第14回:機械学習
ニューラルネットワークによる予測
サポートベクターマシンによる判別
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】自分の担当となった課題を必ずこなす.また,担当外の課題で分からないことは翌週までに必ず復習する.
テキスト(教科書)Textbooks
講義時に指示する.
参考書References
小西貞則:多変量解析入門,岩波書店,2010年.
S.M.Ross: Introduction to Probability and Statistics for Engineers and Scientists (4th Edition), Academic Press, 2009.
成績評価の方法と基準Grading criteria
予習(20%),割り当てられた課題への取り組み(40%)及び発表(40%)により評価する.
学生の意見等からの気づきChanges following student comments
教員ごとに気づきの点は異なるため,この欄には記載することができない.
学生が準備すべき機器他Equipment student needs to prepare
常に貸与パソコンを持参する.
その他の重要事項Others
学生の理解度によって進度を変更するため,シラバスに記載した全ての内容を取り上げるわけではない.
1年次の確率統計,及び2年次の数理統計学と経営工学計算演習の理解が著しく不足しており,授業の進捗に支障を及ぼす場合は例え単位取得済みでも再度講義を受講して貰うこともある.