Seminars III(Advanced Statistics for Management）

Course Title

Course Title in English

Seminars III(Advanced Statistics for Management）

Course Type

-

研究演習科目

Eligible Students

Graduate School of Social Sciences

Target Grade

3Year

Course Numbering Code

KCBDS9MCA3

Credits

4.00Credits

The course numbering code represents the faculty managing the subject, the department of the target students, and the education category (liberal arts / specialized course). For detailed information, please download the separate manual from the upper right 'question mark'.

Type of Class

演習 (Seminar)

Eligible Year/Semester

Spring semester 2026,Fall semester 2026

Instructor

Toru KAISE

Affiliation

社会科学研究科

Language of Instruction

Japanese

Related SDGs

9

Office Hours and Location

適宜、研究室にて（要予約）

Contact

kaise@g3s.u-hyogo.ac.jp

Corresponding Diploma Policy

A double circle indicates the most relevant DP number and a circle indicates the associated DP.

Corresponding Undergraduate School DP

ー

Corresponding Graduate School DP

1◎

Corresponding University-Wide DP

N/a

Academic Goals of Teacher Training Course

ー

Course Objectives and Learning Outcome

論文作成に必要な基礎能力を養い、さらに研究テーマに関するのアイデアとその発展を検討し、かつ計算についての方法論の実践を行う。具体的には、時刻に依存して変化する確率システムを扱い、シミュレーションを用いて対象の探究を行う。さらに、データからの同定に着目し、統計的推定とモデル選択の方法論を追及する。
　基本的には、定常過程と自己回帰モデルを熟知し、パラメータの推定には最小２乗法を用いるが最尤法による一般化を深く理解する。これらを状態空間モデルと線形推定で整理することで、フィルタリングや予測の体系構成を理解する。さらに、ベイズに基づく方法論に展開し，先端の非線形解析手法に発展させる。この段階において、オリジナルな方法論の構成を行い、研究論文として仕上げる。
　対象はあくまでも経営に関する計量解析を扱い、方法論としてベイズおよび機械学習、エントロピー論に基づくモデル選択を基盤とする。また、計算機による高度な数値計算およびシミュレーションも扱う。

Subtitle and Keywords of the Class

経営システム科学、データ駆動

Course Overview and Schedule

Ⅰ講義内容
　確率システム理論と統計的推定理論、およびモデル選択の理論、さらに実践的なデータに基づ　く問題解決を行う。

Ⅱ授業計画
１．確率システム理論の概要
２．確率論
３．確率過程
　４．確率モデル
　５．状態空間モデル
　６．推定論
　７．最尤推定法とベイズ推定法
　８．モンテカルロ法
　９．情報量規準
１０．情報数理
１１．フィルタリング
１２．　情報幾何
１３．　シミュレーションとプログラミング
１４．　並列計算機によるシステム解析
１５．　評価（到達度の確認）

In-person/Remote Classification

In-person

Implementation Method and Remote Credit Limit Application

都合により遠隔授業とする回がある場合は、事前に授業等で周知する。

Uses of Generative AI

Limited permission for use

Precautions for using Generative AI

生成AIの使用に関して、授業中にその方法を説明する。

Textbook

授業時に説明する。

References

Thomas Kailath, et al., Linear Estimation, Prentice Hall, その他　(授業時に説明する)

Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)

予習：事前の知識整理(30h), プレゼンテーション準備(10h)

復習：レポート作成(50h)、全体の知識整理(30h)

Contents of Active Learning

ディスカッションを通じて、学生が研究テーマについて理解を深め、物事を論理的・多面的・客観的に捉えることができるようにする。

Grading Criteria and Methods

【成績評価の基準】
　講義目的・到達目標の到達度に基づき、社会科学研究科規程に従い成績評価の上、単位を付与する。
【成績評価の方法】
　予習・復習課題の提出および小テストを評価する平常点（5０％）とレポート（5０％）を基準とし、総合的に評価する。

How to Disclose Assignments and Exam Results

課題について授業の中で行う。

Precautions and Requirements for Course Registration

予習を十分すること。また、教員に頼ることなく自らが考えること。

Practical Education

該当しない。

Remarks

In cases where any differences arise between the English version and the original Japanese version, the Japanese version shall prevail as the official authoritative version.

Syllabus data