経済統計各論「統計的推論」(秋学期) (学部3-4年)
統計解析 (修士課程)
水曜日2限：南校舎ホール
講義にむけた準備
講義で利用する教材は，K-LMSで配布します．
keio.jp
この講義の目的
よく利用されている統計分析の手法を概観して，これを実際のデータに適用する，より実践的な内容を予定している．
科学的分析は，条件付け，再現性と結果ですべてであるので，原則としてツールが開発されてしまえば名人芸的な要素は必要ないはずである．
観察データを利用した統計分析ではそれが難しいことも現実である．
ここでは，数多く開発されているfancy funnyな統計手法を試しながら学習していくことにする．
ただし，やや批判的な目で見ていきたい．
条件付けさえできれば，統計的手法は最小限かつ単純なもので十分だからである．
講義の進め方
レポート課題があります。
原則として履修者が80人を超えた場合，簡単な試験を行います．
レポートで成績をつけた場合，レポートの提出が全くない場合は成績表にDがつきます。未受験の評価はありません。あしからず。
参考書：T. Hastie, R. Tibshirani, and J. Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2nd ed., Springer-Verlag, 2009. (e-bookで利用可能)
参考書：I. Goodfellow, Y. Bengio, and A. Courville, Deep Learning, MIT Press, 2016. (e-bookで利用可能)
参考書：A. J. Izenman, Modern Multivariate Statistical Techniques: Regression, Classification, and Manifold Learning, Springer, 2008. (e-bookで利用可能)
参考書：早見 均・新保一成『基礎からの統計学』培風館，2012年
授業の計画
1 この講義の展望と線形回帰モデル: 標準ケース
2 縮小推定の周辺: 経験ベイズとリッジ回帰
3 局所回帰のいろいろ: Lasso, LAR, Cross Validation
4 判別分析のいろいろ: 線形判別分析，正則化判別分析
5 ロジット回帰のいろいろ: L1正則化, ノンパラメトリック・ロジット
6 スプラインのいろいろ: 多項式，スムージング，B-スプライン
7 ウェーブレット解析・カーネル密度推定の初歩
8 モデル・アセスメントの話題
9 ブートストラップ法の初歩
10 MCMC法とBagging
11 加法モデルとツリー: テキスト(スパム-e-mail)の判別
12 サポート・ベクトル・マシン, ブースティングの初歩
13 ニューラル・ネットワーク静止画像の判別
14 ニューラル・ネットワーク動画の判別
15 Enforcement Learningのさわり
レポートの提出方法 (Instructions to submit your term paper)
ワープロでも手書きでも結構です。答がでない場合は途中経過を書くこと。
提出場所：講義の教室持参，研究棟431の部屋，メールでも。
サイズはA4でお願いします。
メールの場合：Adobe Acrobat の PDF. わからなければMicrosoft-Wordでもかまいません。LaTeXファイルでもOKです。それ以外(htmlなど)のものだと数式が読めないかもしれません。
紙の場合：講義の教室持参か，研究棟431(4階中央北側)の部屋の隙間から入れることができます．
Hand written papers, word processor printed documents or e-mail (attached your file PDF formatted) is acceptable.
Use A4 size paper or format.
You can post your paper directly to my office Room 431 (In front of "Gents" (North side) 4th Floor the Faculty Research Building) or through e-mail with the attached file (PDF).