32902 数理科学演習I 数理科学演習II
|
必 |
|
春学期 秋学期 |
|
2 |
|
3 |
|
木村 美善 |
他の科目との関連 | 数理科学演習IIを履修するためには、数理科学演習Iを履修していなければならない。 |
他学科履修 | 不可 |
副題 | |
授業概要 | 自ら選んだ専門領域について、指導教員のもとで一層深く学ぶ。知識を教授されるだけでなく、自ら調べ検討し発表することが要求される。 |
学修目標 | 1.数理情報に関する技術や研究の背景、および、解決すべき諸問題の重要性を理解している。 2.課題解決に必要な文献調査を行い、その内容を理解し、問題解決に利用することができる。 3.デザイン能力を活用して、専門分野の知識を研究活動へと応用することができる。 4.論理的表現による文章を用いて研究内容を報告し、質問に対して適切に答えることができる。 |
授業計画 | 数理科学演習 I 卒業研究の基礎を固めるために、回帰分析をきちんと理解することと英語で読む力をつけることを目的とし、回帰分析の英語専門書を共通テキストとして学習する。学生の英語読解を助けるため、理論と応用の回帰分析の和書2冊をサブテキストとして用意する。授業は教師による講義形式と学生による発表形式を組み合わせ、質疑応答と議論とを重視する。重要な内容については、適宜レポート課題として提出してもらう。また、統計ソフトRによる実習を適宜取り入れ、学習した理論と方法を実際のデータや問題に適用することを学んでいく。回帰分析は線形数学など数学とも深くかかわっているので、数学の学習も重視したい。学生同士お互いに協力して学習することを奨励し、全員の学力水準向上をはかる。 第1週〜第5週 Matrix Algebra 第6週〜第10週 Random Vectors and Matrices, Multivariate Distributions 第11週〜第15週 Simple Linear Regression Multiple Regression: Estimation 数理科学演習 II 卒業研究の基礎を固めるために、回帰分析をきちんと理解することと英語で読む力をつけることを目的とし、回帰分析の英語専門書を共通テキストとして学習する。学生の英語読解を助けるため、理論と応用の回帰分析の和書2冊をサブテキストとして用意するつもりである。授業は教師による講義形式と学生による発表形式を組み合わせ、質疑応答と議論とを重視する。重要な内容については、適宜レポート課題として提出してもらう。また、統計ソフトRによる実習を適宜取り入れ、学習した理論と方法を実際のデータや問題に適用することを考えていく。回帰分析は線形数学など数学とも深くかかわっているので、数学の学習も重視する。学生同士お互いに協力して学習することを奨励し、全員の学力水準向上をはかる。 第1週〜第5週 数理科学演習Iと同じように進め、引き続き全体の学力の向上をはかる。 Multiple Regression: Tests and Confidence Intervals 第6週〜第9週 第5週までと同じように進めながら、同時に卒業研究のテーマを決める指導を行なう。研究テーマは学 生と相談しながら、できるだけ学生の希望に沿ってきめることとし、数人での共同研究も認める。 Multiple regression: Model Varidation and Diagnostics 第10週〜第15週 卒業研究テーマごとの個人別またはグループ別の研究指導と全体での学習を併用して授業を行なう。 Multiple Regression: Random x's |
評価方法 | 授業中にテキストを輪講し、担当部分のレポート80%、プレゼンテーション20%により評価する。レポート作成、OHPやパーソナルコンピュータなどを用いた発表方法なども評価の対象となる。 |
テキスト | 1)“Linear Model in Statistics”. Alvin C. Rencher, Wiley, 2000 2)サブテキストとして「回帰分析」の和書2冊を使用する。また、適宜、文献を配布・指示する。 |
その他 | この科目は、次のJABEE対応コース「情報技術専修コース(情報通信学科・情報システム数理学科)」の学習・教育目標に対応する。(F)、(G) |