統計的モデリング （社会情報・専門科目）

Statistical Modeling （社会情報・専門科目）

専門教育科目

ー

社会情報科学部

3年

KCJBS3MCA1

2単位

講義 (Lecture)

2024年度前期

中村 知道

情報科学研究科・社会情報科学部

日本語

該当なし

講義終了後の1時間・教員研究室

tomo@gsis.u-hyogo.ac.jp

3◎／2〇

ー

ー

ー

●講義目的
統計的モデリングに関する理論や方法論を理解し、統計的モデリングの一連の流れを理解することを、本講義の目的とする。

●到達目標
統計的モデリングの基礎を説明し、データから統計モデルを構築出来るようになること。

●講義内容
本講義では、統計的モデリングに必要な基本的な理論や方法論について解説する。

●授業計画
1. 概要（統計モデルの全般について概説）
2. 確率分布と統計的モデル その1（確率と確率変数、確率分布モデル、条件付き分布モデル）
3. 確率分布と統計的モデル その2（確率と確率変数、確率分布モデル、条件付き分布モデル）
4. パラメータ推定 その1（最小二乗法について主に解説）
5. パラメータ推定 その2（尤度と最尤法について主に説明）
6. パラメータ推定 その3（パラメータ値と尤度の関係について主に説明）
7. 情報量規準AIC その1（Akaike Information Criterion事始め）
8. 情報量規準AIC その2（情報理論の基礎 〜情報量の定義からエントロピーまで〜）
9. 情報量規準AIC その3（カルバック・ライブラー情報量と対数尤度と平均対数尤度）
10. 情報量規準AIC その4（AICと様々な情報量規準）
11. 線形回帰モデルの適用（自己回帰モデルの構築）
12. 線形と非線形（カオスやフラクタルなど）
13. 非線形データを扱う準備（時間遅れ座標、埋め込み定理など）
14. 非線形モデリング（pseudo linear modelの説明）
15. 統計的モデルの応用例について解説

講義内でパソコンを使用する作業はない。

<<生成AIの利用について>>
レポート、小論文、学位論文等については、学生本人が作成することを前提としているため、生成系AIのみを用いて作成することはできません。

講義開始時に資料を配布する。

時系列解析入門、北川 源四郎、岩波書店

Rによる時系列モデリング入門、北川 源四郎、岩波書店

情報量規準、小西 貞則、北川 源四郎、朝倉書店
フィールドデータによる統計モデリングとAIC、島谷 健一郎、近代科学社
カオス時系列解析の基礎と応用、池口 徹、小室 元政、山田 泰司、合原 一幸、産業図書

【予習】参考文献などを利用して事前に各講義の内容を把握すること (15h)
【復習】講義内容の理解を深めるために配布資料を読み直し(15h)、レポート課題に取り組む際は自らコンピュータプログラムを作成し実行すること (30h)

採用しない

複数回のレポートにより、講義内容の理解度を評価し、評価が60点以上のものを合格とする。

●成績評価の基準
統計的モデルの基礎を理解し、コンピュータを利用して統計的モデルに関する計算が出来ること。

●成績評価の方法
定期試験は実施せず、複数回のレポートの内容により総合的に評価する。

希望者に対して個別に対応し講評を伝える。

確率・統計や微積分の基本的な事項について理解しておくこと。

レポートの未提出は不可の認定となるので、期限を厳守し提出すること。但し、やむを得ない理由で提出期限内に提出が出来ないときは、提出期限前に必ず連絡すること。

レポート内にwebからのコピー（引用、参考文献を明記している場合は除く）や、他の人と同じものがある場合は不可の認定となります。

<<生成AIの利用について>>
レポート、小論文、学位論文等については、学生本人が作成することを前提としているため、生成系AIのみを用いて作成することはできません。

該当しない。

レポート課題を行うにはコンピュータを用いた計算が必要となるため、どのプログラム言語でも構わないが、プログラムに慣れておくこと。