到達目標
①多変量解析について理解する。
②日常生活のさまざまなケースにおいて,習得した手法を適切に選択し,かつ誤ることなく扱うことができるようになる。
③毎回の授業を通して広い視野と柔軟性を身につける。
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 |
確率・統計手法とデータ解析 | 確率・統計手法を理解し,データ解析に応用できる。 | 確率・統計手法を理解している。 | 確率や統計という用語を知っている。 |
多変量解析の実践 | 多変量解析の手法を選択し,分析等に応用できる。 | 多変量解析とその内容を理解し,説明することができる。
| 多変量解析という用語を知っている。
|
学科の到達目標項目との関係
教育方法等
概要:
土木計画をはじめ社会の計画において用いられる数理解析手法について,その理論や特徴について学習するとともに,例題を通して現実問題に対して適用すべき手法を選択し,解析結果を解釈・評価することのできる能力を育成する。
授業の進め方・方法:
定期試験の成績を70%,キャッチボールシートへの記入状況やレポート,課題の総点を30%として総合的に評価し,60点以上を合格とする。
この科目は学修単位科目のため,事前・事後の学習として,練習問題やキャッチボールシートへの取り組みと提出を通して学習内容および理解度を確認する。
注意点:
毎日の新聞,ニュースをはじめ,絶えず問題意識をもちながら身の回りの事象に注目していること。また,毎回キャッチボールシートに授業のポイントを整理し,質問や授業の感想等を記入してもらう。
自学自習の確認方法-毎回実施するキャッチボールシートのほかに課題プリントを配布し,それを定期的に提出させる。
授業の属性・履修上の区分
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
後期 |
3rdQ |
1週 |
オリエンテーション |
計画とは何か,数理計画を学ぶ意義,基本事項
|
2週 |
確率・統計手法(1) |
統計的モデルの意味,統計データの整理,確率分布,確率密度関数
|
3週 |
確率・統計手法(2) |
統計的推定,点推定
|
4週 |
確率・統計手法(3)
|
仮説検定
|
5週 |
回帰分析とデータ解析(1)
|
多変量データ,相関分析と相関係数
|
6週 |
回帰分析とデータ解析(2)
|
回帰分析,回帰係数,最小2乗法,検定
|
7週 |
多変量解析 |
データの種類と形態,多変量解析の種類
|
8週 |
多変量解析(1)重回帰分析 |
重回帰式,偏回帰係数
|
4thQ |
9週 |
多変量解析(1)重回帰分析
|
決定係数,変数選択の方法
|
10週 |
多変量解析(2)判別分析
|
判別関数式,判別得点
|
11週 |
多変量解析(2)判別分析
|
変数選択の方法,判定
|
12週 |
多変量解析(3)主成分分析
|
主成分得点の算出,固有値
|
13週 |
多変量解析(3)主成分分析
|
主成分の数,主成分の解釈,寄与率
|
14週 |
多変量解析(4)因子分析 |
主成分分析との違い,因子負荷量の求め方,寄与率,因子の数,因子得点,因子軸の解釈
|
15週 |
数理計画の展開と応用 |
確認問題,応用問題,演習問題
|
16週 |
|
|
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 | 課題 | 相互評価 | 態度 | ポートフォリオ | その他 | 合計 |
総合評価割合 | 70 | 30 | 0 | 0 | 0 | 0 | 100 |
基礎的能力 | 70 | 30 | 0 | 0 | 0 | 0 | 100 |
専門的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |