| 開講学期／Course Start | 2023年度／Academic Year 前期／First |
|---|---|
| 開講曜限／Class period | 木/Thu 5 , 木/Thu 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 | 確率論（Cクラス）／Probability |
| 単位数／Number of Credits | 2 |
| 担当教員名／Lecturer | 塩谷 浩之 (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 | J4038 |
| 連絡先／Contact |
塩谷 浩之(教育研究 9号館 V棟 V605 電子メール shioya (at mark) mmm.muroran-it.ac.jp ※at markを@としてください 原則，メール連絡でお願いします。 ) |
| オフィスアワー／Office hours |
塩谷 浩之(水曜日 11:00-1200 ) |
| 実務経験／Work experience |
| 更新日／Date of renewal | 2023/03/16 |
|---|---|
| 授業のねらい ／Learning Objectives |
あらゆる学問分野、産業分野で、調査、実験、観測などの様々なデータを数学的に扱うには、確率論と統計学が必要となります。統計によりデータを整理・分析するための手法が提供され、確率はその基礎的数理となります。この講義では、確率論における数学的基礎から統計データの解析における確率の活用と役割を中心としています。 |
| 到達度目標 ／Outcomes Measured By: |
データが重要な研究対象となる情報系分野において、確率統計は重要な基礎数理となります。基礎的なデータ思考力と数理構造を身につけるために、本授業では以下を目標とします。 目標１：確率に関する数学的な概念の説明と数理的な計算ができる。 目標２：重要な確率分布についての特性や性質を説明し数理的な計算ができる。 目標３：統計学で用いられている基礎的な概念や統計手法について説明し計算ができる。 |
| 授業計画 ／Course Schedule |
第１回：確率論の基礎概念 第２回：事象と確率 第３回：確率変数 第４回：期待値と分散 第５回：積率とモーメント、大数の法則 第６回：条件付き確率とベイズの定理 第７回：確率分布（離散型） 第８回：分布関数と多次元分布 第９回：確率分布（連続型） 第１０回：正規分布・コーシー分布など各種分布 第１１回：分布の収束 第１２回：統計量 第１３回：統計的推定 第１４回：中心極限定理 第１５回：相関回帰分析 定期試験 授業中に配するプリントやMoodleにアップする資料等による自己学習を必要とする。 各回の学修時間の目安は，事前・事後を合わせて4時間が必要です。 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。 |
| 教科書 ／Required Text |
「確率論」塩谷浩之（著）学術出版株式会社 ISBNなし |
| 参考書等 ／Required Materials |
概説確率統計 前園 宜彦(著) サイエンス社(ISBN:784781914336)
確率論入門 Math＆Science (ちくま学芸文庫) 赤攝也（著）(ISBN:9784480096289) |
| 教科書・参考書に関する備考 |
教科書などに相当する内容について，資料等をMoodleや印刷にて配布します。 Moodleは設定され次第，掲示等を行いますので，登録してください。 授業において，pdfを閲覧するのに，タブレットやノーtっパソコンを持参 して閲覧してください。印刷等は自身で行ってください。参考文献については， 確率統計の関係全てが参考文献等ですので，上は一例となります。 |
| 成績評価方法 ／Grading Guidelines |
目標１については、数学基礎を重視した計算・論述問題を出題し達成度を測る。 目標２については、分布の諸性質に関する計算・論述問題を出題し達成度を測る。 目標３については、統計基礎に関する計算・論述問題を出題し達成度を測る。 全体100%のうち小テスト（30%）定期試験(70％)で評価し、全体で60％以上の場合に合格とする。 |
| 履修上の注意 ／Notices |
1年生までの数学系の授業内容については、自身で復習しておくこと。 |
| 教員メッセージ ／Message from Lecturer |
対象の不確実性を数学的に表現するのが確率です。科学や工学のあらゆる分野において， 現象の理解には確率が不可欠です。確率統計とAIは近しい関係にありますが，そればかりではありません。システム理化学科のどのコースに進むにしても必須な内容で，確率は科学で扱う色々な現象を数理的に捉えるための道具となります。 |
| 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 |
線形代数A、線形代数B,微分積分A、微分積分B |
| 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。数理基礎科目群に含まれ，数理科学の基盤的な内容を学びます。 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） |
授業で行う演習問題(小テスト)を行うより，理解を深める。 |
|---|---|
|
Active learning 1-2 ／上記項目に係るALの度合い |
50%超 |
|
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） |
高等学校で学んだ数学(ベクトル，微分積分)などの知識を総合した学習を必要とする。 |
|
Active learning 3-2 ／上記項目に係るALの度合い |
50%超 |