多変量解析演習（k）[3D18]

＜学位授与の方針＞

○	1. 基礎知識の習得
○	2. 専門分野知識の習得
◎	3. 汎用的問題解決技能
	4. 道徳的態度と社会性

＜授業のねらい＞

「多変量解析」で学んだ手法を統計解析ソフトウェアを用いて実際のデータに適用することで理解を深める。特に、データの変数間の関係性に対する基本的な手法である重回帰分析と分散分析を実際のデータに適用し評価する。また、乱数を用いたシミュレーションにより多変量正規分布をはじめとする確率分布について理解を深める。さらに、画像データなどに対して主成分分析と判別分析を適用し実践的なデータ解析の方法を身につける。

＜受講にあたっての前提条件＞

「確率・統計I」を修得していることが望ましい。
「多変量解析」を同時に履修すること。

＜具体的な到達目標＞

・データに対して重回帰分析を適用し、評価することができる。
・データに対して分散分析を適用し、評価することができる。
・分散・共分散行列と多変量正規分布について説明できる。
・データに対して主成分分析を適用し、評価することができる。
・データに対して判別分析を適用し、評価することができる。

＜授業計画及び準備学習＞

授業計画
1. 多変量データと相関係数
　　多変量データの扱い方と相関係数をはじめとする変数間の関係の指標について演習を行う
2. 回帰分析の基礎
　　散布図と相関係数および回帰直線の関係について演習を行う
3. 重回帰分析
　　重回帰分析に関する基礎的な演習を行う
4. 回帰分析の評価
　　標準解と非標準解、回帰係数の区間推定および検定について演習を行う
5. 分散分析
　　分散分析に関する演習を行う
6. 最尤推定
　　最尤推定に関する演習を行う
7. 実践課題
　　具体的なデータに関して分析結果に関する考察を行う
8. ベイス推定
　　ベイズ推定に関する演習を行う
9. 分散・共分散行列と多変量正規分布
　　多変量正規分布とその性質について乱数を使った演習を行う
10. 主成分分析の基礎
　　平行移動と回転による主成分分析の計算手順をプログラムにより実行する
11. 主成分分析による次元削減
　　画像データを用いて次元圧縮に関する演習を行う
12. 線形判別分析
　　線形判別分析に関する演習を行う
13. 二次判別分析
　　二次判別分析に関する演習を行う
14. 学習内容の振り返り

準備学習
授業の内容を復習し、演習問題が出された場合は必ず解くこと。
前の授業で指示されたキーワードについてあらかじめ調べておくこと。
※自力で予習と復習に時間をかけて取り組んでも理解が不十分な場合は、必ずSAを利用すること。

＜成績評価方法＞

1-13 までの各回での演習課題により評価する。

＜教科書＞

指定教科書なし

＜参考書＞

大村平「多変量解析のはなし―複雑さから本質を探る」
　ISBN　978-4-8171-8027-8
　出版社　日科技連出版社

足立浩平「多変量データ解析法」
　　ISBN　978-4-7795-0057-2
　　出版社　ナカニシヤ出版

＜オフィスアワー＞

授業終了後、教室にて
火曜日3限，新宿高層棟 A1516

＜備 考＞

演習室を使用する都合上、受講希望人数によっては履修制限を設ける可能性がある。
履修希望者は初回授業に冒頭から必ず出席すること。

＜参考ホームページアドレス＞

http://lec2018.tk2lab.org/