多変量モデルの選択について、データ解析の具体例をあげながら講義します。
　また、学習支援のため、講義のパワーポイントと関連資料をUSBを通して提供しています。当日パソコンを持参しない方はUSBをご持参下さい。

内容：
1. 線形回帰モデル
1. 1 回帰モデルの例
1. 2 回帰モデル
1. 3 推定
1. 4 重相関係数とその修正
1. 5 検定
1. 6 逐次変数選択法
1. 7 数値例ー変数減少法

2. モデル選択規準
2. 1 モデルのよさ
2. 2 Cp 規準
2. 3 Cp およびMCp 規準の導出
2. 4 AIC 規準
2. 5 AIC 規準の導出
2. 6 適用例
2. 7 AIC・Cp 規準と逐次選択法

3. 多変量回帰モデル
3. 1 多変量回帰モデル
3. 2 推定
3. 3 検定
3. 4 逐次変数法
3. 5 多変量Cp 規準と修正
3. 6 多変量AIC 規準と修正
3. 7 適用例
3. 7. 1 成績データの変数選択
3. 7. 2 製品データの変数選択

4. 線形判別分析
4. 1 判別分析とは
4. 2 線形判別法―２群の場合
4. 2. 1 母集団パラメータが既知の場合
4. 2. 2 母集団パラメータが未知の場合
4. 3 誤判別確率・AIC 規準―2 群の場合
4. 4 検定と変数選択―2 群の場合

5. 5 正準判別分析
5. 5. 1 母集団正準判別分析
5. 5. 2 標本正準判別分析法
5. 6 追加情報に関する検定
5. 7 変数選択法
5. 7. 1 逐次変数選択法
5. 7. 2 AIC 規準
5. 8 次元の推定
5. 9 適用例

6. グラフィカルモデリング
6. 1 偏相関係数とは_
6. 2 標本偏相関係数
6. 3 母偏相関係数
6. 4 共分散選択モデル
6. 5 無向独立グラフ

質疑応答