応用確率統計学
Multivariate Analysis

授業科目区分

専門科目
専門科目 数学教育コース

わくラボの使用について：使用しない
教職課程科目　2単位　4年次　前期

教職課程(数学)選択

担当教員

担当者

研究室のホームページ,SNSなど

NDC

417

科目分類コード

1003(2)

オフィスアワー

時間割決定後に授業等で連絡します。

この科目のキーワード

回帰分析、分散分析、主成分分析、因子分析、判別分析、R言語

説明に使用する言語

日本語・英語を併用する

使用する教材の言語

日本語・英語で記述された資料を使用する

この科目に必要な日本の文化・事情の知識について

到達目標

キーワードに掲げた分析手法の考え方を理解し、計算機を用いてデータに分析手法を適用できる。

ディプロマポリシーとの関連性

情報メディア基礎力:情報メディアの技術的および社会的な変化に対応し得る基盤となる知識とスキル, 専門能力:情報メディアの開発とその多面的な活用ができる能力

授業の簡単な概要

回帰分析、分散分析、主成分分析、因子分析、判別分析の考え方を解説する。さらに、計算機を用いてデータに分析手法を適用する方法を学ぶ。

学習内容

1. R の基本操作 (Basic usage of R)
2. R による線形代数の計算 (Compute linear algebra with R)
3. 多変数関数の極小値 (local minimum of a multivariable function)
4. 単回帰分析 (Simple regression)
5. 偏相関係数 (Partial correlation coefficient)
6. 重回帰分析 (Multiple regression)
7. 多項式曲線の当てはめと過学習 (Polynomial curve fittings and over learning)
8. 多項式曲線の当てはめと過学習 (Polynomial curve fittings and over learning)
9. 中間試験 (midterm exam)
10. 主成分分析 (Principal component analysis)
11. 因子分析 (Factor analysis)
12. 判別分析 (discriminant analysis)
13. 一元配置分散分析 (One-way ANOVA)
14. 二元配置分散分析 (Two-way ANOVA)
15. 回帰分析と分散分析の関係 (Relationship between regression and ANOVA)
16. 期末試験 (Exam)

授業時間外での学修

基本的に授業時間外の学修は1コマあたり4時間を必要とする

成績評価の基準と方法

CSV形式で与えられたデータに対して、回帰分析、分散分析、主成分分析、因子分析、判別分析を適用するすることができる。

達成度評価（評価方法：合計100点）

試験：　　　　　 50 / 100
レポート：　　　 / 100
小テスト(中間テストなど含む): 20 / 100
小レポート(中間レポートなどを含む): 30 / 100
作品：　　　　　 / 100
ポートフォリオ： / 100
その他：

教科書・テキスト

特に指定しない。

参考図書・参考文献等

日本統計学会編『日本統計学会公式認定 統計検定1級対応 統計学』東京図書(2013年)

履修もしくは取得していなければいけない科目

特になし。

学習支援

提出された成果物に対して、修正点・改善点等の指摘などの指導を実施する

授業に関連する実務経験

その他この科目を履修するために必要な条件

線形代数とプログラミングに慣れていることが望ましい。