1459 件ヒット (0.027秒)：
（数理）モデルは人や社会のふるまいや傾向を理解するのに大いに役立つ．本授業では以下のモデルを通して，社会科学におけるモデルを理解する．
1) 確率と効用
2) 合理的選択理論
3) 行動の伝播
4) 社会的ネットワーク
Models give us insight about behaviors and tendencies of humanity and society.
In this course, students learn the models in social science below:
1) Probability and Utility
2) Rational Choice
3) Influence of Behavior
4) Social Network
生命現象や社会現象の数理モデリングとは，現象に関する仮定や仮説の適切な数理的解釈もしくは表現によって数理モデルを構築する過程を指す。生命現象や社会現象に関する仮定や仮説の適切性評価や意味解釈をするためには，生命科学的・社会科学的な知識とセンスが要求され，数理的な解釈や表現には，数理的な知識とセンスが要求される。すなわち，合理的な数理モデリングは，生命科学的・社会科学的知識だけ，あるいは，数理的知識だけでは不可能であり，それらの二つが適切に相まって成立する過程である。このような側面は，数理モデルを扱う学際的研究における特徴の一つであり，研究の対象とする現象に関する仮定や仮説に対する合理的な数理モデルの整合性・適切性にとって重要である。
この授業では，生物現象や社会現象における個体群ダイナミクスに関する題材について，上記のような数理モデリングに焦点を当てた課題が提示され，受講生の授業時間内での発表やレポート作成を通して数理モデリングや数理モデルの合理性に関する基本的な考え方を学ぶ。
1）社会現象をどのようにして数理モデルとして表現するのか，そしてデータを使ってそのモデルのフィットをどのように確認するのかを学ぶ．
2）統計モデルを利用するうえで必要な確率論の基礎を学ぶ．あわせて経験科学的に興味深い問題を構成する力の基礎を涵養する．
1. To learn the method that explain an interesting social phenomenon with mathematical models and statistical analysis
2. To learn how to formalize an interesting social phenomenon through this course. To train the ability that specifies the problem from good samples.
1）社会現象をどのようにして数理モデルとして表現するのか，そしてデータを使ってそのモデルのフィットをどのように確認するのかを学ぶ．
2）統計モデルを利用するうえで必要な確率論の基礎を学ぶ．あわせて経験科学的に興味深い問題を構成する力の基礎を涵養する．
1. To learn the method that explain an interesting social phenomenon with mathematical models and statistical analysis
2. To learn how to formalize an interesting social phenomenon through this course. To train the ability that specifies the problem from good samples.
この講義では，道路交通ネットワークの分析に必要な数理的手法，特に交通流理論とネットワーク交通流配分に関する理論を学習することを目的とする．
交通流理論においては，いわゆるマクロ交通流理論の代表であるLWR(Lighthill-Whitham-Richards)モデルの定式化と，主に単路を対象としたLWRモデルの解法を学習する．これにより，ボトルネックや交通信号等により発生する道路の遅れ時間と渋滞長の変動の詳細を計算できるようになる．
ネットワーク交通流配分においては，ドライバーの一般化交通費用最小化行動を前提とした利用者均衡配分について主に学習する．確定的利用者均衡配分の定式化とその解法に加えて，確率的利用者均衡配分についても学習する．交通流モデルとしては簡便な静的モデルを主に用いるが，交通流理論を正確に反映する動学的なモデルによる利用者均衡配分についても学習する．さらに，利用者均衡配分の均衡解の安定性の概念を理解することを目的として，進化ゲーム理論についてもその概要を学習する．
上記の学習内容は実際に数値計算を行うことで理解が深まるものが多い．この講義では，主にPythonを用いたプログラミングを受講者自身に行なってもらうことにより，学習目標が確実に達成できることを狙っている． なお，Pythonの知識を受講生には要求しないが，Pythonに限らず何らかのコンピュータ言語で簡単なプログラミングを行なった経験があることが望ましい．
本講義では都市内で活動する人々の交通行動やアクティビティ，人や車両の移動軌跡を観測した多様なデータを解析するためのモデル・手法を学ぶ．軌跡データから交通行動の解釈，選択の意思決定モデル，交通状態予測や相互作用を考慮した交通システムのモデリングを通して，様々なデータから情報抽出し，予測や政策評価を行う解析技術を身につける．
本講義のために様々な都市・交通データを提供し，計算機を用いて実際に解析することで，データハンドリング技術と都市・交通計画に活かすためのデータサイエンスの方法論を習得する．最終分析結果は講義中にプレゼンテーションしてもらうことを予定している．
授業にはGoogle Classroomを利用．クラスコードは2gfzgiw．
授業は全部対面を予定しているが，感染症等の影響により，オンライン講義となる可能性もあります．
ゲーム理論は人の行動や社会現象を理解するために役立つツールである．この講義では，実際の事例と結び付けながら，ゲーム理論を学ぶ．この授業では以下の内容を学ぶ．
1) ゲーム理論を用いて社会現象を表現する
2) 展開形ゲーム
3) 標準形ゲーム
4) 無限繰り返しゲーム
5) 不完備情報ゲーム
6) 進化ゲーム理論
Game theory is a useful tool to analyze and understand behaviors and social phenomena. In this course, students learn game theory with actual cases.
The following topics will be covered in the course:
1) Explanation of social phenomena by game theory
2) Games for strategic form
3) Games for extensive form
4) Repeated games
5) Games with incomplete information
6) Evolutionary game theory