統計学実習[広域システムコース]

講義「統計学/統計学I」で学習する以下の項目に関して、データ解析の実習を行う。 (1) データの可視化 ヒストグラム，棒グラフ，箱ひげ図，散布図など (2) 確率の基礎 ・確率計算の基礎(同時確率, 条件付き確率, ベイズの定理) ・確率分布，指数型分布族(正規分布, 多項分布，ポアソン分布，指数分布など) ・大数の法則と中心極限定理 (3) データのモデル化と推定 ・一般化線形モデルによる最尤推定（線形回帰，多項式回帰，重回帰，ロジスティック回帰など） ・ベイズモデルによる最大事後確率推定（ラッソ回帰，リッジ回帰など） ・信頼区間と信用区間 (4) モデル選択 ・モデル選択の考え方，オッカムの剃刀 ・交差検証，AIC(Akaike Information Criterion) ・周辺尤度(モデルエビデンス)最大化，BIC(Bayesian Information Criterion)，ベイズファクター (5) モデル選択の特殊な場合としての仮説検定 ・古典的な仮説検定，p値の問題点 ・t検定，カイ二乗検定，F検定，分散分析

様々な統計解析の手法を使って、シミュレーションデータあるいは実データの解析を行う。解析はプログラミング言語を使って行う。講義資料として、Pythonを用いた解析コードを公開する。したがって、受講者が基本的にはPythonを使用することを想定しているが、Python以外のプログラミング言語(R, MATLABなど)を使って解析コードを書くことは全く問題ない。

レポート

特に指定しない。

『統計学⼊⾨』 阿部真人 著 『Pythonで学ぶあたらしい統計学の教科書』馬場真哉 著 『データ解釈学入門』江崎貴裕 著 『標準 ベイズ統計学』Peter D. Hoff (著) 入江 薫, 菅澤 翔之助, 橋本 真太郎 (訳)

本講義は実習科目の統計学実習と連動して講義が行われるため、統計学実習と併せて受講することが必須である。統計学あるいは統計学実習を独立して履修することは認めない。