| 開講学期／Course Start | 2023年度／Academic Year 後期／Second |
|---|---|
| 開講曜限／Class period | 火/Tue 3 , 火/Tue 4 |
| 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)muroran-it.ac.jp) |
| オフィスアワー／Office hours | 澤口 直哉(月曜日 16:15-17:45, 金曜日 8:45-10:15 (後期)) |
| 実務経験／Work experience |
| 更新日／Date of renewal | 2023/09/07 |
|---|---|
| 授業のねらい ／Learning Objectives |
科学分野で必要な統計学の基礎を習得する。基礎的な統計処理を実施できるようになることと、得られた結果を適切に解釈できるようになることを目指す。物理物質分野におけるデータ処理を意識し、ノンパラメトリックな統計学の知識の習得も目標とする。 |
| 到達度目標 ／Outcomes Measured By: |
1. ２次元データの可視化、相関の評価ができる。 2. 確率変数の期待値と分散を計算できる。 3. 正規分布を含む代表的な確率分布について理解している。 4. 標本分布の基礎を理解している。 5. 推定と仮説検定の基礎を理解している。 6. ノンパラメトリックな統計手法について理解している。 |
| 授業計画 ／Course Schedule |
総授業時間数（実時間）： 22.5時間 第1回: ガイダンス、統計学の基礎 第2回: 誤差論 第3回: ２次元のデータ（第3章） 第4回: 確率、確率変数（第4章、第5章） 第5回: 確率分布１（第6章前半） 第6回: 確率分布２、多次元の確率分布、大数の法則と中心極限定理 （第6章後半、第7章、第8章） 第7回: 標本分布、正規分布からの標本（第9章、第10章） 第8回: 推定１（第11章前半） 第9回: 推定２（第11章後半） 第10回: 仮説検定（第12章） 第11回: 回帰分析、外れ値（第13章） 第12回: ノンパラメトリックな統計処理 第13回: ベイズ統計 第14回: データの精度に関わる技術 第15回: 補足、総括、他 ・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。 |
| 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) 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 |
1) 演習を含む科目であるので、出席と課題の得点を重視した成績評価を行う。下記2)～5)で成績評価を行い、100点満点の60点以上の者を合格とする。 2) ほぼ毎回小課題を課す。全小課題の合計点を30点満点とする換算により得点を算出する。 3) 目標1,2,3の到達度は演習1（30点満点）により評価する。 4) 目標4,5,6の到達度は演習2（40点満点）により評価する。 5) 欠席や遅刻、課題の提出遅延に対して減点を行う。 6) 不合格者は再履修すること。 |
| 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。 ・演習で表計算ソフトウェア（Excel）を利用する。事前準備としてソフトウェアに馴染んでおくことを勧める。 ・授業に変更がある場合の連絡や緊急の連絡は授業中に行うか、掲示版などを用いて通知する。 |
| 教員メッセージ ／Message from Lecturer |
統計学の基礎と誤差論を起点に、データ分析の基礎を講義する。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、プログラミング入門、確率論、理工学情報演習、微分積分A、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） |
履修生が理解度を確認・復習できるように、演習課題を課す。 |
|---|---|
|
Active learning 1-2 ／上記項目に係るALの度合い |
15%～50% |
|
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 |