| 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（Cクラス・数理情報システムコース）／Statistical Data Analysis |
| 単位数／Number of Credits | 2 |
| 担当教員名／Lecturer | 髙岡 旭 (システム理化学科数理情報システムコース) , 小林 洋介 (システム理化学科数理情報システムコース) , 泉 佑太 (システム理化学科数理情報システムコース) |
| 時間割コード／Registration Code | J4032 |
| 連絡先／Contact |
髙岡 旭(E-mail: takaoka_at_mmm.muroran-it.ac.jp (_at_を@に変えてください))
小林 洋介(V612 46-5440 ykobayashi(at)csse.muroran-it.ac.jp スパム対策のため@を(at)で表記しています。 緊急時を除き，極力E-mailで連絡ください)) |
| オフィスアワー／Office hours |
髙岡 旭(特に指定しない．面談などを希望する場合，まずメールで連絡をすること．)
小林 洋介(月曜日16:00-17:00) |
| 実務経験／Work experience |
|
| 更新日／Date of renewal | 2022/09/20 |
|---|---|
| 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出来る。 |
| 授業計画 ／Course Schedule |
1回: ガイダンス、有効数字の意味 2回: 各専門分野におけるデータとその特徴 3回: 箱ひげ図とヒストグラム 4回: 平均の意味と分散 5回: 多変量解析における相関関係と散布図 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: 正規分布と有意水準 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 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。 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。 |
| 教科書 ／Required Text |
教科書は使用しない。 |
| 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）
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、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。 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論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 |
この授業科目は数理情報システムコースの学習目標の以下の項目に対応している． ５．自然科学と工学の基礎知識を身につける． |
| 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、確率論、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） |
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 |