情報数学特別講義１（情報数学特別講義１）

科目授業名称（和文）　Name of the subject/class (in Japanese)

科目授業名称（英文）　Name of the subject/class (in English)

Topics in Information Theory 1

授業コード　Class code

9911G02

科目番号　Course number

17IDSTA206

教員名

吉川　厚

Instructor

Atsushi Yoshikawa

開講年度学期

2026年度前期

Year

2026年度

Semester

①First semester

曜日時限

水曜1限

Class hours

Wednesday First Period

開講学科・専攻　Department

理学部第一部　数学科

Department of Mathematics, Faculty of Science Division Ⅰ

単位数　Course credit

2.00単位

授業の方法　Teaching method

講義

Lecture

外国語のみの科目（使用言語）　Course in only foreign languages (languages)

-

授業の主な実施形態　Main class format

⑧ [遠隔]オンライン授業（非同期）/ [Remote]Online (asynchronized remote)

概要　Description

「数理統計学1・2 」の内容をもとに、統計解析手法を用いた多変量解析について理解し、実際のデータを使って予測や評価を行うとともに、結果の解釈や適合度の判断を行う。多変量解析について基本的な手法は説明し、解説にはExcelかRを使用するが、実際の解析はExcel，Ｒ（Commander），Python，StaatAppなど各自の得意なソフトやアプリを使用してそれぞれで行う。オンデマンド授業なので、実習時間想定のあと、分析結果の解釈についてレポート提出を求める。当該講義回以降のいずれかにてフィードバックを行う

目的　Objectives

本講義では、重回帰分析や主成分分析といった多変量解析を実際に行う経験を通して、多変量解析の手法や結果の解釈方法について理解することを目的としている。
また、演習によって実践的に身につけることも目的としている。

到達目標　Outcomes

到達目標は以下のとおりである。
（１）重回帰分析や主成分分析の手法を理解すること
（２）重回帰分析や主成分分析の結果を解釈方法を理解すること
（３）実際のデータについて多変量解析を行い、適切に結果を解釈できること

卒業認定・学位授与の方針との関係（学部科目のみ）

リンク先の [評価項目と科目の対応一覧]から確認できます（学部対象）。
履修登録の際に参照ください。
You can check this from “Correspondence table between grading items and subjects” by following the link(for departments).
https://www.tus.ac.jp/fd/ict_tusrubric/

履修上の注意　Course notes prerequisites

相関や回帰について復習を行っておくこと。授業では復習しながら進める。また、R等の統計パッケージは使えるようにインストールしておくこと

アクティブ・ラーニング科目　Teaching type（Active Learning）

反転授業　Flipped classroom／実習　Practical learning

オンデマンドでありながら実習を行う。その結果は毎回提出を求める。

準備学習・復習　Preparation and review

分析に必要なデータの収集。プレゼンテーションに向けて重回帰分析や主成分分析を行うこと。
各自持ちよりのデータの分析を主に行う。

成績評価方法　Performance grading policy

レポート　100%
で評価する。

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

教科書の使用有無（有=Y , 無=N）　Textbook used(Y for yes, N for no)

N

書誌情報　Bibliographic information

-

MyKiTSのURL（教科書販売サイト）　URL for MyKiTS(textbook sales site)

教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
https://gomykits.kinokuniya.co.jp/tokyorika/

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
https://gomykits.kinokuniya.co.jp/tokyorika/

参考書・その他資料　Reference and other materials

主たる参考書
Excelベースのもの：
三好大悟：統計学の基礎から学ぶ Excelデータ分析の全知識、2021、インプレス
Rベースのもの：
西紘永：これから学ぶ人のための統計学超入門、2023、Kindle

英語で良ければ：
Artur Guja, Marlena Siwiak, Marian Siwiak：Starting Data Analytics with Generative AI and Python (English Edition)、2024, Manning

授業計画　Class plan

第１回　情報数学、特に数理統計学の基本概念の確認
　統計アドインなどのインストール
第２回　相関と回帰，情報と分散の関係
第３回　散布図と相関係数
第４回　単回帰分析の概要
第５回　単回帰分析による予測−単回帰分析の演習１−
第６回　単回帰分析結果の解釈−単回帰分析の演習２−
第７回　多変量解析について
第８回　重回帰分析の考え方
第９回　重回帰分析による予測ー重回帰分析の演習１ー
第１０回　重回帰分析の適合度の判定ー重回帰分析の演習２ー
第１１回　主成分分析について
第１２回　主成分分析の結果の見方
第１３回　主成分分析による評価
第１４回　その他の多変量解析ー判別分析などー
第１５回　統計解析に関するまとめ

担当教員の実務経験とそれを活かした教育内容　Work experience of the instructor

教育統計を中心とした分析を長年行ってきた。近年は医療統計なども行っており、このような知見を生かした実践的な授業を行う。

教育用ソフトウェア　Educational software

-

可能ならRを使えるようにしておくことが望ましい。

備考　Remarks

授業でのBYOD PCの利用有無　Whether or not students may use BYOD PCs in class

Y

授業での仮想PCの利用有無　Whether or not students may use a virtual PC in class

N

シラバス情報