| 開講学期／Course Start | 2022年度／Academic Year 後期／Second |
|---|---|
| 開講曜限／Class period | 月/Mon 1 , 月/Mon 2 |
| 授業区分／Regular or Intensive | 週間授業 |
| 対象学科／Department | 創造工学科 |
| 対象学年／Year | 2年 , 3年 , 4年 |
| 授業科目区分／Category | 教育課程 創造工学科 |
| 必修・選択／Mandatory or Elective | 必修 |
| 授業方法／Lecture or Seminar | 講義科目 |
| 授業科目名／Course Title | 統計的データ処理（機械ロボット工学コース）／Statistical Data Processing |
| 単位数／Number of Credits | 2 |
| 担当教員名／Lecturer | 湯浅 友典 (創造工学科機械ロボット工学コース) |
| 時間割コード／Registration Code | J3032 |
| 連絡先／Contact | 湯浅 友典(Tel:0143-46-5347,E-mail:yuasa@mmm.muroran-it.ac.jp,Y305) |
| オフィスアワー／Office hours | 湯浅 友典(Mon:16:00-17:00,Tue:13:00-14:00) |
| 実務経験／Work experience |
| 更新日／Date of renewal | 2022/09/09 |
|---|---|
| 授業のねらい ／Learning Objectives |
工学の各専門分野で必要となる統計処理の基礎を体得し，その応用として該当分野における使い方を学ぶ．授業を修めた時にはそれぞれの専門領域におけるデータ処理や解析において統計的な考え方，手法を的確に適用できるようになる． |
| 到達度目標 ／Outcomes Measured By: |
1. データの分布，平均，分散を理解できる． 2. 統計的推測を説明できる． 3. データを統計的に処理出来る． |
| 授業計画 ／Course Schedule |
総授業時間数：22.5時間 第01回 : ガイダンス 第02回 : 機械・ロボティクス分野におけるデータとその特徴 第03回 : データの分布とヒストグラム 第04回 : 平均と分散 第05回 : 相関関係と散布図 第06回 : 共分散と相関係数 第07回 : 最小2乗法による回帰係数の導出と残差 第08回 : データ分布，相関関係のまとめと到達度考査 第09回 : 統計的推測 第10回 : 母集団と標本 第11回 : 区間推定 第12回 : t分布と区間推定 第13回 : 検定 第14回 : 標本平均の分散 第15回 : 統計的推測，検定，標本平均のまとめと到達度考査 ※ 各回の学修時間の目安は，事前・事後合わせて4時間必要です。 新型コロナウイルス感染症の流行状況に伴い、学生への十分な周知のもと、授業計画・授業実施方法は変更する可能性があります。 |
| 参考書等 ／Required Materials |
「挫折しない統計学入門 : 数学苦手意識を克服する」浅野 晃，オーム社(ISBN:9784274220128) |
| 教科書・参考書に関する備考 | 資料は必要に応じて配布する． |
| 成績評価方法 ／Grading Guidelines |
目標１については，8回目に実施する考査により到達度を測る． 目標２については，15回目に実施する考査により到達度を測る． 目標３については，各回で実施する確認問題により到達度を測る． 考査2回(30点満点x2)と講義13回分の確認問題(40点満点)の総合で60％以上を合格とする． 再試は行わない．不合格者は再履修とする． 新型コロナウイルス感染症の流行状況に伴い、学生への十分な周知のもと、成績評価方法は変更する可能性があります。 |
| 履修上の注意 ／Notices |
2年生前期に履修する「確率統計」の内容を十分に理解しておくこと． |
| 学習・教育目標との対応 ／Learning and Educational Policy |
学生便覧「学習目標と授業科目との関係表」参照． |
| 関連科目 ／Related course |
データサイエンス入門，プログラミング入門，確率・統計，線形代数，微分積分 |
| 備考 ／Notes |
本科目は，文部科学省による数理・データサイエンス・ＡＩ教育プログラム認定制度（リテラシーレベル）の認定に基づく，数理データサイエンス教育プログラムの教育科目として実施されます。データサイエンス科目群に含まれ，科学・工学におけるデータを中心とした情報学的アプローチを学ぶます。プログラム内容については，学生便覧の数理データサイエンス教育プログラムを参照してください。 DSポイント：2ポイント |
| No. | 回（日時） ／Time (date and time) |
主題と位置付け（担当） ／Subjects and instructor's position |
学習方法と内容 ／Methods and contents |
備考 ／Notes |
|---|---|---|---|---|
| 1 | 1 | ガイダンス | Moodleを用いたオンライン学習 | 学習時間 3.5時間（予習・復習時間を含む） |
| 2 | 2 | 各専門分野におけるデータとその特徴 | Moodleを用いたオンライン学習 | 学習時間 3.5時間（予習・復習時間を含む） |
| 3 | 3 | データの分布とヒストグラム | Moodleを用いたオンライン学習 | 学習時間 3.5時間（予習・復習時間を含む） |
| 4 | 4 | 平均と分散 | Moodleを用いたオンライン学習 | 学習時間 3.5時間（予習・復習時間を含む） |
| 5 | 5 | 相関関係と散布図 | Moodleを用いたオンライン学習 | 学習時間 3.5時間（予習・復習時間を含む） |
| 6 | 6 | 共分散と相関係数 | Moodleを用いたオンライン学習 | 学習時間 3.5時間（予習・復習時間を含む） |
| 7 | 7 | 最⼩2乗法による回帰係数の導出と残差 | Moodleを用いたオンライン学習 | 学習時間 3.5時間（予習・復習時間を含む） |
| 8 | 8 | データ分布，相関関係のまとめと到達度考査 | Moodleを用いたオンライン学習 | 学習時間 3.5時間（予習・復習時間を含む） |
| 9 | 9 | 統計的推測 | Moodleを用いたオンライン学習 | 学習時間 3.5時間（予習・復習時間を含む） |
| 10 | 10 | ⺟集団と標本 | Moodleを用いたオンライン学習 | 学習時間 3.5時間（予習・復習時間を含む） |
| 11 | 11 | 区間推定 | Moodleを用いたオンライン学習 | 学習時間 3.5時間（予習・復習時間を含む） |
| 12 | 12 | t分布と区間推定 | Moodleを用いたオンライン学習 | 学習時間 3.5時間（予習・復習時間を含む） |
| 13 | 13 | 検定 | Moodleを用いたオンライン学習 | 学習時間 3.5時間（予習・復習時間を含む） |
| 14 | 14 | 標本平均の分散 | Moodleを用いたオンライン学習 | 学習時間 3.5時間（予習・復習時間を含む） |
| 15 | 15 | 統計的推測，検定，標本平均のまとめと到達度考査 | Moodleを用いたオンライン学習 | 学習時間 3.5時間（予習・復習時間を含む） |
|
Active learning 1-1 ／主体的学修（反転授業，小テスト，振り返り 等） |
小テーマごとに復習が重要であり考査や振り返りで確認する。 |
|---|---|
|
Active learning 1-2 ／上記項目に係るALの度合い |
15%未満 |
|
Active learning 2-1 ／対話的学修（グループ学習，協働，調査体験 等） |
該当なし |
|
Active learning 2-2 ／上記項目に係るALの度合い |
該当なし |
|
Active learning 3-1 ／深い学修（複数科目の知識の総合化や問題解決型学修 等） |
数学的知識を応用し，統計に必要な概念を理解する。 |
|
Active learning 3-2 ／上記項目に係るALの度合い |
15%未満 |