学修要項(シラバス)
 > 学修要項(シラバス) > 講義科目(2)医学専攻博士課程 > 医療工学群 医療情報学

講義科目(2)医学専攻博士課程

学群名:医療工学群

科目名:医療情報学

英文名
Medical Informatics
科目概要
博士課程 医療工学群 2単位 講義
開講期
2023年度 前期
科目責任者
稻岡秀検
担当者
稻岡秀検
授業の目的
本授業科目では、データに基づく現象の解釈と将来の予測のために、データからモデルを構築し、そのモデルを評価する手法について、統計モデルの側面から講義する。まず、さまざまな数理モデルについて学んだ後、代表的な統計モデルである一般化線形モデルについて学ぶ。次いで,時系列モデルについて学び,これらのモデルを用いた具体的な計算過程について演習を通じて理解することを目標とする。
教育内容
講義は二つの部分からなる。最初は,基礎的な数理モデルについて学ぶ。その後、一般化線形モデルについて検討する。さらに時系列モデルについて学ぶ。各講義において、演習問題を解くことで実際の統計モデルの解法について理解を深める。
教育方法
パワーポイントを用いた対面講義を行い、講義中にPCを用いた演習を行う。講義の最初に前回の講義の演習内容について模範解答を示して解説する。受講者は模範解答と自分の解答を比較し修正する。疑問点があれば講義終了後に改めて解説する。
授業内容(シラバス)
項 目
内 容
担当者
1
数理モデルの構成要素・基礎的な数理モデル
データ分析における数理モデルの役割について学ぶ。次いで、線形モデル、微分方程式モデル、制御理論について学ぶ。
稻岡秀検
2
確率モデル・統計モデル
マルコフ過程、回帰分析、状態空間モデルについて学ぶ。次いで、統計モデルの基礎、尤度関数について学ぶ。
稻岡秀検
3
一般化線形モデル
一般化線形モデルの基礎について学ぶ。
稻岡秀検
4
一般化線形モデルの応用
一般化線形モデルのモデル選択について学ぶ。
稻岡秀検
5
ノンパラメトリック回帰モデル
ノンパラメトリック回帰モデルの基礎について学ぶ。
稻岡秀検
6
一般化最小二乗法
誤差項の分布が均一でない場合の対応である、一般化最小二乗法について学ぶ。
稻岡秀検
7
プロビットモデル
非線形モデルの一つである、プロビットモデルについて学ぶ。
稻岡秀検
8
ロジットモデル
離散選択モデルである、順序ロジットモデルと多項ロジットモデルについて学ぶ。
稻岡秀検
9
トービットモデル
質的変数モデルへの応用として、トービットモデルについて学ぶ。
稻岡秀検
10
パネルデータ分析
パネルデータ分析と固定効果モデルについて学ぶ。
稻岡秀検
11
ARMA過程
1変量の時系列データを分析するための基本的なモデルであるARM過程について学ぶ。
稻岡秀検
12
予測
時系列モデルにおける予測の基本的な考え方について学ぶ。
稻岡秀検
13
VARモデル
ベクトル自己回帰モデルについて学ぶ。
稻岡秀検
14
単位根過程
定常過程の性質を持たないデータをモデル化するための手法である単位根過程について学ぶ。
稻岡秀検
15
見せかけの回帰
単位根過程を用いて分析するときに現れる,無関係の単位根過程の間に有意な関係があるように見える現象について学ぶ。
稻岡秀検
到達目標
自分の研究で得られたデータを統計モデルを用いて説明できる。
評価方法
講義中の演習課題(60%)、最終確認課題(40%)により評価する。演習課題の模範解答については次回の講義で解説する。
準備学習
(予習・復習等)
指定された参考書を読んでくること。また、与えられた課題を授業時間内に達成できなかったときは、放課後等を利用して次週までに完成させること。
授業時間外の学習時間:60時間
その他注意等
資料に関する連絡は大学のメールアカウント宛に行うので、確認を怠らないこと。
教科書
データ解析のための統計モデリング入門.岩波書店.2012.
計量時系列分析.朝倉書店.2020.
参考書
データ分析のための数理モデル入門(ソシム),統計モデル入門(朝倉書店)