理工学部Faculty of Science and Engineering
OTR300XF（その他 / Others 300）PBLProject Based Learning
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 | 2022 |
| 授業コードClass code | H6762 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 秋学期授業/Fall |
| 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 | 各学部・研究科等の時間割等で確認 |
| 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 and computational methods for lifetime data analysis as an application of statistical models. Also, students learn mathematical properties of discrete-time Markov chains and their numerical analysis.
At the end of the course, students are expected to utilize statistical methods and analyze Markov models.
Students will be expected to complete the required assignments and give the presentation at each class meeting.
Your overall grade in the class will be decided based on the following
Preparation: 20%, Short reports: 40%, Presentation: 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
統計モデルの応用として，寿命データ解析のための統計理論を学習し，計算機を用いたパラメータ推定に関する演習を行う．また，確率モデルの応用としては，離散時間マルコフ連鎖の性質を学習し，数値計算法に関する演習を行う．
到達目標Goal
与えられたデータと目的に適した統計モデルを選択し，計算機を用いて実装することができる．また，マルコフ連鎖を用いて得られる各種特性量の意味を理解し，簡単な数値解析を行うことができる．
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. ）
学生主体の演習形式で授業を進める．割り当てられた内容を各自が勉強して発表する．
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.)
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
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]：諸注意・準備
PBLの進め方の説明
経営工学基礎演習の内容に関する復習
2[対面/face to face]：不完全データの解析1
寿命データとその分類
3[対面/face to face]：不完全データの解析2
指数分布と打ち切りデータ
4[対面/face to face]：不完全データの解析3
データの生成とシミュレーション
5[対面/face to face]：不完全データの解析4
打切りデータを用いた指数分布の最尤推定
6[対面/face to face]：不完全データの解析5
ワイブル分布とバスタブ曲線
7[対面/face to face]：不完全データの解析6
確率紙を用いたパラメータ推定
累積ハザード法を用いたランダム打切りデータの解析
8[対面/face to face]：不完全データの解析7
打切りデータを用いたワイブル分布の最尤推定
グループ化されたデータの解析
9[対面/face to face]：離散時間マルコフ連鎖1
マルコフ性
状態と推移確率
10[対面/face to face]：離散時間マルコフ連鎖2
チャップマン・コルモゴロフの等式
11[対面/face to face]：離散時間マルコフ連鎖3
状態の分類
初度到達確率
12[対面/face to face]：離散時間マルコフ連鎖4
定常分布の導出
13[対面/face to face]：離散時間マルコフ連鎖5
吸収マルコフ連鎖
14[対面/face to face]：離散時間マルコフ連鎖
マルコフ連鎖の応用例
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、1時間を標準とする】プレゼンテーションのための各種資料作成技術は別途修得しておいて欲しい．
テキスト（教科書）Textbooks
特に使用しない．必要に応じて資料を配布する．
参考書References
S.M.Ross: Introduction to Probability and Statistics for Engineers and Scientists (Fourth Edition), Academic Press, 2009.
尾崎俊二：確率モデル入門
その他必要に応じて随時指示する．
成績評価の方法と基準Grading criteria
毎回の出席を必須とする．
予習（20%），割り当てられた課題への取り組み（40%），及びプレゼンテーションの内容（40%）で評価する．
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
貸与パソコンを使用する．
その他の重要事項Others
学生からの希望があれば他のトピックを取り上げることもある．（前例有）