| 開講学期／Course Start | 2022年度／Academic Year 後期／Second |
|---|---|
| 開講曜限／Class period | 月/Mon 5 , 月/Mon 6 |
| 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（航空宇宙工学コース）／Statistical Data Processing |
| 単位数／Number of Credits | 2 |
| 担当教員名／Lecturer | 畠中 和明 (創造工学科航空宇宙工学コース) |
| 時間割コード／Registration Code | J3033 |
| 連絡先／Contact | 畠中 和明(A207、TEL：0143-46-5354、e-mail：hatnac＠mmm.muroran-it.ac.jp) |
| オフィスアワー／Office hours | 畠中 和明(毎週月曜日10:00～12:00) |
| 実務経験／Work experience | 畠中 和明(企業において関連する数学知識を要する計測・制御ソフトウェア設計・製作に携わった在職経験及び流体関連シミュレーションソフトウェア設計・製作に携わった在職経験を有する) |
| 更新日／Date of renewal | 2022/02/28 |
|---|---|
| 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 1回: ガイダンス 2回: 航空・宇宙分野におけるデータとその特徴 3回: データの分布とヒストグラム 4回: 平均と分散 5回: 相関関係と散布図 6回: 共分散と相関係数 7回: 最小2乗法による回帰係数の導出と残差 8回: データ分布，相関関係のまとめと到達度考査 9回: 統計的推測 10回: 母集団と標本 11回: 区間推定 12回: t分布と区間推定 13回: 検定 14回: 標本平均の分散 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 |
「統計学入門 数学苦手意識を克服する」浅野 晃，オーム社,2017年(ISBN:9784274220128) |
| 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。 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。 再試験は行わない。不合格者は再履修とする。 |
| 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 |
|---|---|---|---|---|
| 該当するデータはありません | ||||
|
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） |
|
|
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 |