シラバス参照

基本情報／Basic Information
詳細情報／Detailed Information
授業計画詳細情報／Class Schedule Details

基本情報/Basic Information

開講科目名／Course	応用数学Ⅱ
時間割コード／Course Code	3222240206
ナンバリングコード／Numbering Code
開講所属／Course Offered by	教育学部／
曜日コマ／Day, Period	金／Fri　5
開講区分／Semester offered	後期／second semester
単位数／Credits	2.0
学年／Year	3,4
主担当教員／Main Instructor	吉川和宏／YOSHIKAWA KAZUHIRO
科目区分／Course Group	専門教育科目
教室／Classroom
必修・選択／Required/Elective
授業形式／Class Format
メディア授業／Media lecture	－

担当教員情報/Instructor Information

教員名／Instructor	教員所属名／Faculty/Department
吉川和宏／YOSHIKAWA KAZUHIRO	教育学部／

難易度（レベル）／Level	レベル3
対応するＣＰ／ＤＰ／CP/DP	CP・DP　１　見通す力　　 CP・DP　３　学び続ける力
授業としての具体的到達目標／Concrete arrival target as the class	〇回帰分析や数量化理論の考え方に基づいてデータの分析ができるようになること（見通す力）〇自立して専門的な確率論・統計学を学んでいくために必要な知識を身につけること（学び続ける力）
授業の概要／Summary of the class	この講義では、多変量解析によるデータの分析方法を学びます。多変量解析は、複数のカテゴリー（質的データ）または数量（量的データ）から構成される様々な形式のデータを分析し、データに関する予測や分類、意思決定等の目的に沿った結論を得るための統計的手法です。身の回りのデータを分析することを通して、確率論・統計学を応用する方法を修得することを目指します。
授業の内容予定／Contents plan of the class	直線的な関係を前提にしたデータの解析を行う線形回帰分析や質的データと量的データをともに含むデータの解析を行う数量化理論およびデータの分類を行う判別分析、主成分分析等を紹介します。各回、以下のテーマに沿って講義を行う予定です。第1回　統計学の復習（データのまとめ方）第2回　統計学の復習（推定と検定）第3回　単回帰分析（単回帰モデル）第4回　単回帰分析（回帰係数の推定と検定）第5回　重回帰分析（重回帰モデル）第6回　重回帰分析（回帰式による予測）第7回　数量化１類（説明変数が１個の場合）第8回　数量化１類（説明変数が２個以上の場合）第9回　判別分析（説明変数が１個の場合）第10回　判別分析（説明変数が２個以上の場合）第11回　数量化２類（説明変数が１個の場合）第12回　数量化２類（説明変数が２個以上の場合）第13回　クラスター分析第14回　主成分分析（主成分の導出）第15回　主成分分析（主成分の解釈）授業の進行状況等により、内容が変更になる場合があります。
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	平常評価（演習・レポートなど）：100％回帰分析、数量化１類と判別分析、数量化２類とクラスター分析または主成分分析に関するレポート課題を出題し、データを分析する能力を中心に評価します。
予習及び復習等の内容／Contents such as preparations for lessons and the review	[予習] インターネットで調べる等、身の回りの様々なデータを収集してください。 [復習] 講義内容をノートにまとめて整理してください。また講義で紹介した分析方法が予習で収集したデータに適用できるか否か考えてください。
教材・教科書／The teaching materials, textbook	教科書は特に指定しません。授業中、適宜プリントを配布します。
参考文献／bibliography	永田靖、棟近雅彦著『多変量解析入門』（2001）サイエンス社川端一光、岩間徳兼、鈴木雅之『Rによる多変量解析入門』（2018）オーム社
留意点・予備知識／Point to keep in mind, back ground	「統計学」、「線形代数概論」、「偏微分・重積分」の講義を履修していることが望ましい。
授業内容に関する質問・疑義等／Question, doubt about class contents	オフィスアワー：木曜日16：00～18：00 上記以外の時間でも研究室にて質問を受け付けます。
Eメールアドレス・HPアドレス／E-mail address, HP address	Eメールアドレス：k-yoshi「Ａ」hirosaki-u.ac.jp 「Ａ」は、「＠」のことです。
学問分野1（主学問分野）／Discipline 1	B12:解析学，応用数学およびその関連分野
学問分野2（副学問分野）／Discipline 2	該当なし
学問分野3（副学問分野）／Discipline 3	該当なし
実務経験のある教員による授業科目について／About the class subject by the teacher with the work experience	なし
地域志向科目／Local intention subject	なし
授業形態・授業方法／Class form, class method	主に黒板を使用して解説する講義を行います。また不定期にレポート課題を出します。
科目ナンバー／The subject number	P1-3-0787-B12
メディア授業による著作物利用の有無について／Whether or not copyrighted works are used in media classes	無／Nothing
その他／Others	特になし。

No.	回（日時）／Time (date and time)	主題と位置付け（担当）／Subjects and instructor's position	学習方法と内容／Methods and contents	備考／Notes
該当するデータはありません

開講科目名／Course	応用数学Ⅱ
時間割コード／Course Code	3222240206
ナンバリングコード／Numbering Code
開講所属／Course Offered by	教育学部／
曜日コマ／Day, Period	金／Fri　5
開講区分／Semester offered	後期／second semester
単位数／Credits	2.0
学年／Year	3,4
主担当教員／Main Instructor	吉川和宏／YOSHIKAWA KAZUHIRO
科目区分／Course Group	専門教育科目
教室／Classroom
必修・選択／Required/Elective
授業形式／Class Format
メディア授業／Media lecture	－

難易度（レベル）／Level	レベル3
対応するＣＰ／ＤＰ／CP/DP	CP・DP　１　見通す力　　 CP・DP　３　学び続ける力
授業としての具体的到達目標／Concrete arrival target as the class	〇回帰分析や数量化理論の考え方に基づいてデータの分析ができるようになること（見通す力）〇自立して専門的な確率論・統計学を学んでいくために必要な知識を身につけること（学び続ける力）
授業の概要／Summary of the class	この講義では、多変量解析によるデータの分析方法を学びます。多変量解析は、複数のカテゴリー（質的データ）または数量（量的データ）から構成される様々な形式のデータを分析し、データに関する予測や分類、意思決定等の目的に沿った結論を得るための統計的手法です。身の回りのデータを分析することを通して、確率論・統計学を応用する方法を修得することを目指します。
授業の内容予定／Contents plan of the class	直線的な関係を前提にしたデータの解析を行う線形回帰分析や質的データと量的データをともに含むデータの解析を行う数量化理論およびデータの分類を行う判別分析、主成分分析等を紹介します。各回、以下のテーマに沿って講義を行う予定です。第1回　統計学の復習（データのまとめ方）第2回　統計学の復習（推定と検定）第3回　単回帰分析（単回帰モデル）第4回　単回帰分析（回帰係数の推定と検定）第5回　重回帰分析（重回帰モデル）第6回　重回帰分析（回帰式による予測）第7回　数量化１類（説明変数が１個の場合）第8回　数量化１類（説明変数が２個以上の場合）第9回　判別分析（説明変数が１個の場合）第10回　判別分析（説明変数が２個以上の場合）第11回　数量化２類（説明変数が１個の場合）第12回　数量化２類（説明変数が２個以上の場合）第13回　クラスター分析第14回　主成分分析（主成分の導出）第15回　主成分分析（主成分の解釈）授業の進行状況等により、内容が変更になる場合があります。
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	平常評価（演習・レポートなど）：100％回帰分析、数量化１類と判別分析、数量化２類とクラスター分析または主成分分析に関するレポート課題を出題し、データを分析する能力を中心に評価します。
予習及び復習等の内容／Contents such as preparations for lessons and the review	[予習] インターネットで調べる等、身の回りの様々なデータを収集してください。 [復習] 講義内容をノートにまとめて整理してください。また講義で紹介した分析方法が予習で収集したデータに適用できるか否か考えてください。
教材・教科書／The teaching materials, textbook	教科書は特に指定しません。授業中、適宜プリントを配布します。
参考文献／bibliography	永田靖、棟近雅彦著『多変量解析入門』（2001）サイエンス社川端一光、岩間徳兼、鈴木雅之『Rによる多変量解析入門』（2018）オーム社
留意点・予備知識／Point to keep in mind, back ground	「統計学」、「線形代数概論」、「偏微分・重積分」の講義を履修していることが望ましい。
授業内容に関する質問・疑義等／Question, doubt about class contents	オフィスアワー：木曜日16：00～18：00 上記以外の時間でも研究室にて質問を受け付けます。
Eメールアドレス・HPアドレス／E-mail address, HP address	Eメールアドレス：k-yoshi「Ａ」hirosaki-u.ac.jp 「Ａ」は、「＠」のことです。
学問分野1（主学問分野）／Discipline 1	B12:解析学，応用数学およびその関連分野
学問分野2（副学問分野）／Discipline 2	該当なし
学問分野3（副学問分野）／Discipline 3	該当なし
実務経験のある教員による授業科目について／About the class subject by the teacher with the work experience	なし
地域志向科目／Local intention subject	なし
授業形態・授業方法／Class form, class method	主に黒板を使用して解説する講義を行います。また不定期にレポート課題を出します。
科目ナンバー／The subject number	P1-3-0787-B12
メディア授業による著作物利用の有無について／Whether or not copyrighted works are used in media classes	無／Nothing
その他／Others	特になし。

授業情報／Class Information

基本情報/Basic Information

担当教員情報/Instructor Information