シラバス参照
シラバス参照
| 授業科目名 /Course title (Japanese) |
統計学第二 | ||
|---|---|---|---|
| 英文授業科目名 /Course title (English) |
Statistics 2 | ||
| 科目番号 /Code |
MTH501e | ||
| 開講年度 /Academic year |
2026年度 | 開講年次 /Year offered |
3/4 |
| 開講学期 /Semester(s) offered |
前学期 | 開講コース・課程 /Faculty offering the course |
情報理工学域 |
| 授業の方法 /Teaching method |
講義 | 単位数 /Credits |
2 |
| 曜限 /Day, Period |
月／Mon 3 | ||
| 科目区分 /Category |
専門科目 | ||
| 開講類・専攻 /Cluster/Department |
Ⅰ類 | ||
| 担当教員名 /Lecturer(s) |
原 聡 | ||
| 居室 /Office |
西5-803 | ||
| 公開E-mail |
satohara@uec.ac.jp | ||
| 授業関連Webページ /Course website |
Google Classroomを利用する。 | ||
| 更新日 /Last update |
2026/03/23 14:45:10 | 更新状況 /Update status |
公開中 /now open to public |
| 主題および達成目標 （2,000文字以内） /Themes and goals （up to 2,000 letters） |
本講義では統計学の重要分野の一つである時系列解析を扱う。 時系列データの性質の理解やモデリング方法、推定方法など時系列解析の基礎を習得することを目標とする。 |
|---|---|
| 前もって履修 しておくべき科目 （1,000文字以内） /Prerequisites （up to 1,000 letters） |
微分積分学第一，第二; 確率論; 統計学; |
| 前もって履修しておくこ とが望ましい科目 （1,000文字以内） /Recommended prerequisites and preparation （up to 1,000 letters） |
応用数学第一 |
| 教科書等 （1,000文字以内） /Course textbooks and materials （up to 1,000 letters） |
Rによる時系列モデリング入門（岩波書店） |
| 授業内容とその進め方 （2,000文字以内） /Course outline and weekly schedule （up to 2,000 letters） |
時系列解析の基礎的な事項についての講義を板書形式で行う。 Lectures will be given in Japanese. 【講義内容（目安）】 1. 時系列データとは 2. スペクトル解析１：自己相関 3. スペクトル解析２：パワースペクトル 4. スペクトル解析３：ピリオドグラム 5. 多変量正規分布と最尤推定１：線形回帰 6. 多変量正規分布と最尤推定２：モデル選択 7. 多変量正規分布と最尤推定３：多変量正規分布 8. 定常時系列モデル１：MAモデル 9. 定常時系列モデル２：MAモデルの性質 10. 定常時系列モデル３：ARモデル 11. 定常時系列モデル４：ARモデルの性質 12. 定常時系列モデル５：ARモデルの推定 13. 状態空間モデル１：ARMAモデル 14. 状態空間モデル２：平滑化・状態推定・予測 15. 状態空間モデル３：カルマンフィルタ |
| 対面授業・遠隔授業の別 /Face-to-face or online lecture |
対面授業 |
| 実務経験を活かした 授業内容 (実務経験内容も含む) /Course content utilizing practical experience |
|
| 授業時間外の学習 （予習・復習等） （1,000文字以内） /Preparation and review outside class （up to 1,000 letters） |
講義の内容を適宜復習すること。 |
| 成績評価方法 および評価基準 （最低達成基準を含む） （1,000文字以内） /Evaluation and grading （up to 1,000 letters） |
中間試験と期末試験によって評価する。 |
| オフィスアワー：授業相談 （1,000文字以内） /Office hours （up to 1,000 letters） |
授業時にお知らせします。 |
| 学生へのメッセージ （1,000文字以内） /Message for students （up to 1,000 letters） |
データサイエンスの実用において時系列データを避けて通ることはできません。 また、近年の大規模言語モデルにも時系列モデリングの技術が取り入れられています。 本講義では、これらの基礎となる時系列解析を学びます。 |
| その他 /Others |
特になし |
| キーワード /Keywords |
時系列解析、ARMAモデル、状態空間モデル |