B3210
統計解析
STATISTICAL ANALYSIS 		特設科目
Special Seminars
2 単位
実施形態 完全オンライン
開催日程 秋学期 火曜日４時限
担当教員 古谷 知之:中島 有希大（フルタニ トモユキ:ナカジマ ユキヒロ）
関連科目 前提科目（推奨）: B3101
開講場所 SFC
授業形態 講義、実習・演習
履修者制限

履修人数を制限する

受入学生数（予定）：約 120 人
選抜方法：システムによる選抜（抽選）

◯エントリー〆切日時：2020年9月28日（月） 17:00
◯履修許可者発表日時：2020年9月30日（水） 17:00

Only the selected students can take this course.

Number of students in the class (scheduled) : About 120
Automatic Screening (Lottery)

* Schedule: TBD
履修条件

指数・対数、行列、確率

「データサイエンス基礎」の単位を修得していること。またはデータサイエンス科目認定試験に合格していること。

In order to register the Subjects of Data Science, students need to earn credits for "Basics of Data Science" or pass the "Data Science Qualification Examination"
使用言語 日本語
連絡先 maunz@sfc.keio.ac.jp
授業ホームページ http://web.sfc.keio.ac.jp/~maunz/DSB19/DSB19.html
同一科目

学生が利用する予定機材/ソフト等

設置学部・研究科 総合政策・環境情報学部
大学院プロジェクト名

大学院プロジェクトサブメンバー

ゲストスピーカーの人数 0
履修選抜・課題タイプ=テキスト登録可 false
履修選抜・選抜課題タイプ=ファイル登録可 false
GIGAサティフィケート対象
最終更新日 2020/08/18 14:07:34

科目概要

この授業では、統計モデリングの基礎と応用を扱う。具体的には、線形回帰モデル、一般化線形回帰モデル、一般化線形混合モデルなどについての理解を深めることを目的とする。
統計モデリングを本格的に習得し、データサイエンティストとして活躍するために必要なスキルを習得する。演習では、フリーソフトのRを主に用いる。

This class aims to study about statistical modeling such as linear regression model, general linear regression model and general linear mixture model.

授業シラバス

主題と目標／授業の手法など

この授業では、統計モデリングの基礎と応用を扱う。具体的には、線形回帰モデル（単回帰モデル、重回帰モデル）、一般化線形回帰モデル（ロジスティック回帰モデル、プロビット回帰モデル、補対数対数モデル、ポアソン回帰モデル、負の二項分布モデル、Hurdleモデル、ゼロ過剰モデル、Lasso回帰モデル、Ridge回帰モデル）、一般化線形混合モデル、状態空間モデルなどについての理解を深めることを目的とする。
統計モデリングを本格的に習得し、データサイエンティストとして活躍するために必要なスキルを習得する。
「統計基礎」の授業で単回帰モデル程度の理論を習得していることが望ましい。
演習では、フリーソフトのRを主に用いる。
授業の進捗状況に応じて、講義と演習の順序等が変更になることがある。

教材・参考文献

随時指定する。

提出課題・試験・成績評価の方法など

ミニレポート課題、最終課題

履修上の注意

初回授業はリアルタイムでのオンライン授業を予定しています。
2回目以降の授業は、オンデマンド授業とオンライン授業（リアルタイム）を組み合わせて実施する予定ですが、詳細は初回授業時に説明します。

履修者の理解度や授業進度に応じて、授業内容の一部を変更することもあります。
履修者の状況に応じて、R演習を授業回の時間を使って行うこともあります。
RをインストールしたPCを授業時に毎回用意してください。

授業計画

第1回 ガイダンス・単回帰分析（１）

授業概要、成績評価方法など
単回帰分析の手順と考え方、最小二乗法、不偏推定量、残差の性質、決定係数、回帰係数の統計的検定と信頼区間、予測値と予測誤差、単回帰分析のまとめ方

古谷知之・中島有希大

第2回 単回帰分析（２）

前回の続き
R演習

古谷知之・中島有希大

第3回 重回帰分析（１）

重回帰分析、重回帰モデルの統計量（回帰係数の求め方）、最小二乗法と最尤推定法、回帰係数の統計的検定、寄与率と相関係数、自由度修正済み𝑅^2 、𝐴𝐼𝐶、𝐵𝐼𝐶、残差の性質と残差解析（外れ値の検出）、𝐹分布と𝜒^2分布、回帰分析の分散分析、データの標準化、多重共線性

古谷知之・中島有希大

第4回 重回帰分析（２）

前回の続き
R演習

古谷知之・中島有希大

第5回 一般化線形回帰モデル（１）

ロジスティック回帰モデル、 プロビット回帰モデル、補対数対数モデル

古谷知之・中島有希大

第6回 一般化線形回帰モデル（２）

ポアソン回帰モデル、負の二項分布モデル

古谷知之・中島有希大

第7回 一般化線形回帰モデル（３）

モデル間の比較、AIC、逸脱度、過分散、尤度比検定、ANOVA、統計的過誤、Wald統計量、スコア検定

古谷知之・中島有希大

第8回 一般化線形回帰モデル（４）

Hurdleモデル、ゼロ過剰モデル

古谷知之・中島有希大

第9回 一般化線形回帰モデル（５）

ベータ回帰モデル、ガンマ回帰モデル、指数-ガウス回帰モデル

古谷知之・中島有希大

第10回 一般化線形回帰モデル（６）

Lasso回帰モデル、Ridge回帰モデル

古谷知之・中島有希大

第11回 一般化線形混合モデル

マルチレベルモデル

古谷知之・中島有希大

第12回 状態空間モデル

時系列データの状態空間モデル

古谷知之・中島有希大

第13回 演習（１）

最終レポート課題にとりくむ

古谷知之・中島有希大

第14回 演習（２）

最終レポート課題にとりくむ

古谷知之・中島有希大

第15回 演習（３）

最終レポート課題にとりくむ

15回目に相当するその他の授業計画

課題・レポート