状態空間モデルの利用によりいろいろなタイプの時系列に関する予測,補間,成分分解,パラメータ推定などのさまざまな問題を状態推定の問題として統一的に取り扱うことができる。線形・ガウス型の状態空間モデルに対してはカルマン・フィルタによる効率的な遂次計算法が知られている。最近では,計算機の集約的利用により,非線形・非ガウス型の状態空間モデルに対しても同様の計算が実用化されつつある。これにより,ほとんどあらゆる形の高次元の非定常・非線形・非ガウス型時系列モデルを自由に取り扱うことが可能となる。本稿では数値積分とモンテカルロ法に基づく二つの方法を中心に解説し,いろいろなタイプの時系列データの解析への応用を示す。自己組織型のモデル構成法についても簡単に紹介する。

抄録全体を表示

工学部経営管理学科学生を対象に、多変量解析の授業をするにあたり、パソコンを利用している。使用するソフトは表計算ソフト・EXCELであり、マクロをあえて使わない。計算過程を暗箱に入れることなく、学習者が手順どおりに計算を行うことによって、多変量解析の手法を理解することを期待してのことである。 一方、昨今のパソコン著しい変化に伴い、授業に使用するパソコンもMS-DOS環境からWINDOWS環境へ変わり、ソフトも高機能のものに変わった。 学生は、情報処理関係の実習科目において、EXCELの使用法を学ぶが、カリキュラムの関係で、多変量解析の授業の時期にはまだその使用法についてあまりよく知らない学生がほとんどである。したがって、授業の始めの数時間は、「EXCELの使用法について」という時間を、とっている。しかし、実際EXCEL上で重回帰分析や数量化法の課題を自由にこなす程度には習熟してくれない。「多変量解析の理解」と「EXCELの習熟」の二兎を追ったがゆえに役に立たない授業になるということがないように、授業に工夫が求められる所以である。特にパソコンの苦手な学生のためにチュートリアルを作成し、授業中に利用してもらうことにしてる。以下はその報告である。

抄録全体を表示

Suppose that we have a great amount of segmental noisy signals, each of which has several sharp peaks as its important features to be measured. This sort of data are often treated in the biomedical data analysis for classification analysis, pattern recognition and biological rhythm analysis. The most important features of this type of data might be 1) heights, 2) locations and 3) shapes of peaks.

抄録全体を表示