後期 月曜日 １講時 経済学部第１講義室 / 後期 水曜日 ３講時 経済学部第１講義室. 単位数/Credit(s): 4. 担当教員/Instructor: TSUKASA ISHIGAKI. 対象学年/Eligible Participants: 2・3・4. 履修年度: 2024. 科目ナンバリング/Course Numbering: EAL-ECM210J. 使用言語/Language Used in Course: 日本語.
Mathematical Statistics
石垣 司
○
経済学、経営学の問題のみならず社会における様々な問題を解決するため、データに基づく意思決定はますます重要となってきている。データから得られる根拠（エビデンス）に基づく問題解決を実践するためには、その問題に対して有効なデータ分析手法を適用する必要がある。本講義では、既に学習した統計的検定と回帰分析の知識に基づいて、最尤法、ベイズ統計、多変量解析、因果効果推定などのトピックに関する知識を身に付けることを目的とする。
In this course, students learn the basic mathematical statistics for economics and management.
・統計的モデリングについて知る
・基礎的なベイズ統計について理解する
・基礎的な多変量解析について理解する
・基礎的な因果効果推定について理解する
This course is designed to help students understand the basics of mathematical statistics and be able to apply them to economics and management problems.
Google Classroomのクラスコード「h7hnrdc」
第1回：ガイダンス
第2回：データ活用社会と経済学部生
第3回：統計学入門の復習
第4回：統計学入門の復習２
第5回：線形回帰モデル
第6回：予測のための線形回帰モデル
第7回：実証のための線形回帰モデル
第8回：統計モデルと尤度原理
第9回：ロジスティック回帰モデル
第10回：ロジスティック回帰モデルの推定
第11回：尤度関数と数値最適化
第12回：ポアソン回帰モデル
第13回：第1回フォローアップ授業
第14回：ベイズ統計学とは？
第15回：事前分布と事後分布
第16回：ベイズ推定
第17回：意思決定のためのベイズ推定
第18回：「個」のためのベイズ推定
第19回：多変量解析のための固有値分解の復習
第20回：主成分分析
第21回：判別分析
第22回：非線形回帰
第23回：ベイジアンネットワーク
第24回：クラスタリング
第25回：統計的因果推論とは？
第26回：統計的因果推論と共変量調整
第27回：差の差の分析
第28回：統計的因果推論に必要な仮定・条件
第29回：第2回フォローアップ授業
第30回：理解度確認セッション
This is a lecture-centered course.
理解度確認セッションの結果で評価する。具体的には第１回ガイダンスで指示する。
予習よりも復習を重視して欲しい。
統計的検定や回帰分析の知識を前提として講義を行うため、統計学入門・計量分析は履修済みであることが望ましい。
加えて、線形代数の知識（特に、逆行列や固有値分解）を前提として講義を行う回があるため、経済経営数学入門AとB、経済経営数学の履修を推奨する。
履修者が300名を超えた場合、経済学部以外の学部からの履修を認めない場合があります。