| 開講学期／Course Start | 2022年度／Academic Year 後期／Second |
|---|---|
| 開講曜限／Class period | 金/Fri 5 , 金/Fri 6 |
| 授業区分／Regular or Intensive | 週間授業 |
| 対象学科／Department | システム理化学科 |
| 対象学年／Year | 2年 , 3年 , 4年 |
| 授業科目区分／Category | 教育課程 システム理化学科 |
| 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 | 統計的データ分析（Aクラス・物理物質システムコース）／Statistical Data Analysis |
| 単位数／Number of Credits | 2 |
| 担当教員名／Lecturer | 澤口 直哉 (システム理化学科物理物質システムコース) |
| 時間割コード／Registration Code | J4030 |
| 連絡先／Contact | 澤口 直哉(Y607 / 0143-46-5673 / nasawa(at mark)mmm.muroran-it.ac.jp) |
| オフィスアワー／Office hours | 澤口 直哉(月曜日 8:45-10:15, 14:35-16:05 (後期)) |
| 実務経験／Work experience |
| 更新日／Date of renewal | 2022/03/03 |
|---|---|
| 授業のねらい ／Learning Objectives |
理学的専門分野で必要となる統計処理の基礎を体得し、概念を理解した上で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できる。 |
| 授業計画 ／Course Schedule |
総授業時間数（実時間）： 22.5時間 1週目: ガイダンス、有効数字の意味 2週目: 物理物質分野におけるデータとその特徴 3週目: 箱ひげ図とヒストグラム 4週目: 平均の意味と分散 5週目: 多変量解析における相関関係と散布図 6週目: 共分散と相関係数 7週目: 最小2乗法による回帰係数の導出と残差 8週目: データ分布、相関関係のまとめと到達度考査 9週目: 統計的推測 10週目: 母集団と標本 11週目: 区間推定 12週目: t分布と区間推定 13週目: 正規分布と有意水準 14週目: 標本平均の分散 15週目: 統計的推測、検定、標本平均のまとめと到達度考査 ・テキストを利用して予習し、理解できなかったことは授業中に質問すること。 ・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を鑑みて、履修生へ十分周知の上で授業計画・授業実施方法を変更する可能性があります。 |
| 教科書 ／Required Text |
統計学入門 東京大学教養学部統計学教室編 東京大学出版会 1991(ISBN:9784130420655) |
| 参考書等 ／Required Materials |
計測における誤差解析入門 John R. Taylor著 ; 林茂雄, 馬場凉訳 東京化学同人 2000(ISBN:9784807905218)
データのとり方とまとめ方 : 分析化学のための統計学とケモメトリックス James N.Miller, Jane C.Miller著 ; 宗森信, 佐藤寿邦訳 共立出版 2004(ISBN:432004360X) 挫折しない統計学入門 : 数学苦手意識を克服する 浅野晃著 オーム社 2017(ISBN:9784274220128) 異端の統計学ベイズ シャロン・バーチュ・マグレイン著 ; 冨永星訳 草思社 2018(ISBN:9784794223647) サンプリングって何だろう : 統計を使って全体を知る方法 廣瀬雅代, 稲垣佑典, 深谷肇一著 岩波書店 2018(ISBN:9784000296717) |
| 教科書・参考書に関する備考 | 必要に応じて補助資料を配付する。 |
| 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、14回の後に提出するレポートにより到達度を測る。 考査2回(30点満点x2)とレポート(40点満点)の総合で60％以上を合格とする。 不合格者は再履修すること。 ・新型コロナウイルス感染症の流行状況を鑑みて、履修生へ十分周知の上で成績評価法を変更する可能性があります。 |
| 履修上の注意 ／Notices |
2年次前期開講の確率論の内容を基礎とする。確率論は既習得とみなして授業を行うので、十分に理解しておくこと。 |
| 教員メッセージ ／Message from Lecturer |
統計学の基礎と誤差論を起点に、物理物質コースで求められるデータ分析の基礎を講義する。当科目を学修後は、誤差や平均値をそれらの意味を理解した上で扱えるようになることが目的の１つである。 |
| 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、確率論、線形代数、微分積分、 理工学情報演習、統計力学 |
| 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） |
・統計学の基礎となる確率論は2年次前期に学修済であるので、本講では詳細には取り上げない。理解不足に気付いたら、自主的に復習する必要がある。 ・履修生が理解度を確認し復習できるように、ほぼ毎回演習課題を課す。 |
|---|---|
|
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） |
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） |
2年次前期までに学習した数学や確率論の知識を応用した学習を進める。 |
|
Active learning 3-2 ／上記項目に係るALの度合い |
15%未満 |