カテゴリカルデータ解析特論のシラバス情報

科目名称
Course title(Japanese)
カテゴリカルデータ解析特論 科目番号
Course number
63MASTS601
科目名称(英語)
Course title(English)
Advanced Categorical Data Analysis
授業名称
Class name
カテゴリカルデータ解析特論
教員名 田畑 耕治
Instructor Kouji Tahata
開講年度学期 2022年度 後期
Year/Semester 2022 Second Semester
曜日時限 月曜2限
Class hours Monday 2nd Period
開講学科
Department
理工学研究科情報科学専攻
外国語のみの科目
(使用言語)
Course in only foreign
languages (languages)
-
単位
Course credit
2.0 授業の主な実施形態
Main class format
対面授業/On-site class
概要
Descriptions
主としてカテゴリカルデータ解析の理論と応用をわかりやすく講義する.
Introduction to Categorical Data Analysis.
目的
Objectives
(1) 本専攻のディプロマポリシーにある「専門分野に応じた高度な専門知識、および、研究能力」を身に付ける.
(2) カテゴリカルデータの扱いを理解し,一般化線形モデルの数理を理解する.また,分割表解析の方法などについて深く考察する能力を養う.
(1) To acquire "advanced expertise and research ability according to specialized field" in the diploma policy of this major.
(2) Understand the treatment of categorical data and understand the mathematical theory of generalized linear models. In addition, cultivate the ability to deeply consider methods of contingency table analysis.
到達目標
Outcomes
医学・薬学,社会学,健康科学や計算機科学など幅広い分野において,確率統計の理論が応用されている.この科目により確率統計の方法論を理解し,社会で直面する様々な問題を解決するために正しく確率統計の知識を活用できる能力を身につける.
Bayesian statistics is applied in a wide range of fields such as medical science, pharmacology, sociology, health science and computer science. Understand the methodology of it and acquire the ability to correctly utilize knowledge of probability and statistics to solve various problems confronted by society.
履修上の注意
Course notes prerequisites
なし
Nothing special
アクティブ・ラーニング科目
Teaching type(Active Learning)
課題に対する作文
Essay
- 小テストの実施
Quiz type test
-
ディベート・ディスカッション
Debate/Discussion
- グループワーク
Group work
-
プレゼンテーション
Presentation
- 反転授業
Flipped classroom
-
その他(自由記述)
Other(Describe)
-
準備学習・復習
Preparation and review
特に定めない
Not specified
成績評価方法
Performance grading
policy
レポート(100%)などにより評価する.
Evaluated by internal report (100%).
学修成果の評価
Evaluation of academic
achievement
・S:到達目標を十分に達成し、極めて優秀な成果を収めている
・A:到達目標を十分に達成している
・B:到達目標を達成している
・C:到達目標を最低限達成している
・D:到達目標を達成していない
・-:学修成果の評価を判断する要件を欠格している

・S:Achieved outcomes, excellent result
・A:Achieved outcomes, good result
・B:Achieved outcomes
・C:Minimally achieved outcomes
・D:Did not achieve outcomes
・-:Failed to meet even the minimal requirements for evaluation
教科書
Textbooks/Readings
・教科書を使用する場合は、MyKiTS(教科書販売サイト)から検索・購入可能ですので以下のURLにアクセスしてください。
https://gomykits.kinokuniya.co.jp/tokyorika/
 
・Search and purchase the necessary textbooks from MyKiTS (textbook sales site) with the link below.
https://gomykits.kinokuniya.co.jp/tokyorika/
参考書・その他資料
Reference and other materials
Alan Agresti (2013). Categorical Data Analysis, 3rd edition. Wiley, Hoboken New Jersey.
授業計画
Class plan
第1回:カテゴリカルデータとは
1st: Introduction to Categorical data analysis
第2回:サンプリングモデル
2nd: Sampling models
第3回:指数型分布族
3rd: exponential family
第4回:一般化線形モデル
4th: Generalized linear model (GLM)
第5回:一般化線形モデルにおける推測1
5th: Estimation of the GLM 1 - Maximum Likelihood Estimate -
第6回:一般化線形モデルにおける推測2
6th: Estimation of the GLM 2 - Score statistics -
第7回:一般化線形モデルにおける推測3
7th: Estimation of the GLM 3 - Sampling distribution -
第8回:ロジスティック回帰分析1
8th: Logistic Regression 1 - Interpreting Regression Coefficients -
第9回:ロジスティック回帰分析2
9th: Logistic Regression 2 - Sampling distribution -
第10回:ポアソン回帰分析
10th: Poisson Regression
第11回:分割表解析
11th: Contingency table analysis
第12回:多元分割表解析
12th: Multiway contingency table analysis
第13回:マッチドペアデータに対するモデル1
13th: Models for matched pairs 1 - Symmetry model -
第14回:マッチドペアデータに対するモデル2
14th: Models for matched pairs 2 - Quasi symmetry and Bradley-Terry model -
第15回:学習内容の点検と確認
15th: End-of-term exam and discussions
教職課程
Teacher-training course
-
実務経験
Practical experience
-
教育用ソフトウェア
Educational software
-
備考
Remarks
なし
Nothing special
996D603
CLOSE