到達目標
多変量解析の基礎を通して、その内容を説明でき、応用できるようにする。
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 |
平均・分散 | 平均や分散など解析に必要なパラメータを説明、求めることができ、値から意味を読み取ることができる | 平均や分散など解析に必要なパラメータを説明でき、求めることができる | 平均や分散など解析に必要なパラメータを説明できない |
単回帰式と重回帰式 | 重回帰式の検定、および係数の意味づけができる。 | 重回帰係数を求めることができる。 | 重回帰係数を求めることができない。 |
回帰分析以外の手法 | 回帰分析以外の手法について説明し、実用できる | 回帰分析以外の手法について説明できる | 回帰分析以外の手法について説明できない |
多変量解析 | 実際のデータを用いて、多変量解析の手法で数値化を行い、その内容を分析できる | 実際のデータを用いて、多変量解析の手法で数値化を行い、単純な比較できる | 実際のデータを用いて、多変量解析の手法で数値化を行えない |
学科の到達目標項目との関係
教育方法等
概要:
統計数学的基礎知識、プログラミング能力に準ずる能力が必要.
授業の進め方・方法:
授業中の小テスト・演習の実施や、複数回のレポートを課すことがある。
グループに分かれて、自ら課題を設定した上で、分析をおこない発表する。
注意点:
毎回、電卓を用意すること
本科目は学修単位であり、単位修得には以下の学習時間(レポートや課題等を含む)が必要と定義されている。
〔授業(90分)+自学自習(240分)〕×15回
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
後期 |
3rdQ |
1週 |
多変量解析の目的と基礎知識 |
多変量解析が用いられる場面を説明できる 平均・分散をはじめとした基本的な量を説明できる
|
2週 |
多変量解析の目的と基礎知識 |
相関について説明できる 標準化について説明できる
|
3週 |
回帰分析 |
回帰係数や重回帰式の意味を説明することができる
|
4週 |
回帰分析 |
電卓を用いて回帰式を求めることができる
|
5週 |
計算機を用いた回帰分析 |
表計算ソフトを用いて重回帰分析ができる
|
6週 |
その他の解析手法と応用 |
回帰分析以外の手法について説明ができる
|
7週 |
その他の解析手法と応用 |
回帰分析以外の手法について説明ができる
|
8週 |
試験答案の返却・解説 |
間違った部分を自分の課題として把握する(非評価項目)
|
4thQ |
9週 |
多変量解析の実例 |
多変量解析に関する課題を演習用に自ら設定できる
|
10週 |
機械学習と特徴量抽出 |
機械学習等で使われる特徴量の抽出について1つ以上説明できる
|
11週 |
機械学習と特徴量抽出 多変量解析の実例 |
機械学習等で使われる特徴量の抽出について1つ以上説明できる 多変量解析に関する課題の分析結果について、その内容を説明・発表用に整理できる
|
12週 |
多変量解析の実例 |
多変量解析に関する課題の分析結果について、その内容を説明・発表用に整理できる
|
13週 |
発表 |
1つの事例について解析し説明できる 他人が解析した内容を評価できる
|
14週 |
発表 |
1つの事例について解析し説明できる 他人が解析した内容を評価できる
|
15週 |
総復習 |
この講義で学習した内容を説明できる
|
16週 |
試験答案の返却・解説 |
試験において間違った部分を自分の課題として把握する(非評価項目).
|
評価割合
| 試験 | 発表 | 相互評価 | 合計 |
総合評価割合 | 60 | 20 | 20 | 100 |
基礎的能力 | 20 | 10 | 0 | 30 |
専門的能力 | 40 | 0 | 0 | 40 |
分野横断的能力 | 0 | 10 | 20 | 30 |