シラバス情報
|
教員名 ： 田畑 耕治
|
科目授業名称（和文） Name of the subject/class (in Japanese)
カテゴリカルデータ解析特論
科目授業名称（英文） Name of the subject/class (in English)
Advanced Categorical Data Analysis
授業コード Class code
996D603
科目番号 Course number
63MASTS601
教員名
田畑 耕治
Instructor
Kouji Tahata
開講年度学期
2026年度後期
Year
2026年度
Semester
②Second semester
曜日時限
木曜5限
Class hours
Thursday 5nd Period
開講学科・専攻 Department
創域理工学研究科 情報計算科学専攻
Department of Information Sciences, Graduate School of Science and Technology 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
① [対面]対面授業/ [On-site] On-site class
概要 Description
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．
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. 卒業認定・学位授与の方針との関係（学部科目のみ）
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）
-
-
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
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 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
-
教育用ソフトウェア Educational software
-
-
備考 Remarks
なし
Nothing special 授業でのBYOD PCの利用有無 Whether or not students may use BYOD PCs in class
N
授業での仮想PCの利用有無 Whether or not students may use a virtual PC in class
N
|
