到達目標
・実験・観察データ、社会科学的データ、アンケート調査などを整理し、データからある方向性を見出して結果を導くことができる。
・データを図表化し、プレゼンテーションできる。
ルーブリック
| 理想的な到達レベルの目安 | 標準的な到達レベルの目安 | 未到達レベルの目安 |
評価項目1 | | | |
評価項目2 | | | |
評価項目3 | | | |
学科の到達目標項目との関係
教育方法等
概要:
測定データから理論解を構築したり、市場調査から製品の要求度を判定し、商品化を図るためにはデータの整理・解析・判断する能力を高めねばならない。そのために、回帰分析等の解析手法からオペレーションズ・リサーチまで、問題解析能力を高めることを目的とする。
授業の進め方・方法:
本科目は、確率統計の知識を応用し実験データの解析等に応用するための内容であり、専攻科1年後期の確率統計概論や情報数学から続く科目である。
演習を随時行うので、実験や観察したデータの整理手法を復習して講義に臨み、表計算ソフトの使い方や目的に応じてプログラミングできるようにしておくこと。
注意点:
自学自習として、次回の授業内容と達成目標、テキスト内容を確認しておくこと。また、復習を重視して学習すること。特に課題演習は重要な項目であるので、理解のもとに解き進めること。
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
前期 |
1stQ |
1週 |
ガイダンスと学習上の注意 |
シラバスとレポート提出課題の説明
|
2週 |
回帰分析(1) |
線形回帰モデルを理解できる。
|
3週 |
回帰分析(2) |
最小二乗法による推定を理解できる。
|
4週 |
回帰分析(3) |
回帰係数の検定を理解できる。
|
5週 |
重回帰分析(1) |
重回帰モデルを理解できる。
|
6週 |
重回帰分析(2) |
決定係数、AICとダミー変数を理解できる。
|
7週 |
回帰モデルの分析 |
系列相関、不均一分散と多重共線性を理解できる。
|
8週 |
ベクトルと行列の計算 |
ベクトル、行列、階数を理解できる。
|
2ndQ |
9週 |
対数グラフの利用
|
成長率モデルと弾性値モデルの図化を理解できる。
|
10週 |
分散分析
|
一元配置、二元配置と繰り返しの有無を理解できる。
|
11週 |
主成分分析(1)
|
行列の固有値・固有ベクトルを理解できる。
|
12週 |
主成分分析(2)
|
寄与率と因子負荷量を理解できる。
|
13週 |
判別分析
|
線形判別関数とマハラノビス距離を理解できる。
|
14週 |
ウィルコクスンの検定
|
順位和検定と符号付順位検定を理解できる。
|
15週 |
質的データの分析 |
プロビット法とロジット法を理解できる。
|
16週 |
総復習 |
総復習
|
モデルコアカリキュラムの学習内容と到達目標
分類 | 分野 | 学習内容 | 学習内容の到達目標 | 到達レベル | 授業週 |
評価割合
| 試験 | 発表 | 相互評価 | 態度 | レポート | その他 | 合計 |
総合評価割合 | 40 | 0 | 0 | 10 | 50 | 0 | 100 |
基礎的能力 | 20 | 0 | 0 | 5 | 25 | 0 | 50 |
専門的能力 | 20 | 0 | 0 | 5 | 25 | 0 | 50 |
分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |