授業情報/Course information

開講学期/Course Start 2023年度/Academic Year   前期/First
開講曜限/Class period 月/Mon 14 , 月/Mon 15
授業区分/Regular or Intensive 週間授業
対象学科/Department 創造工学科 夜間主コース
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 確率統計/Probability and Statistics
単位数/Number of Credits 2
担当教員名/Lecturer 加野 裕 (創造工学科電気電子工学コース)
時間割コード/Registration Code J8430
連絡先/Contact 加野 裕(Y208, 0143-46-5537, h-kano@muroran-it.ac.jp)
オフィスアワー/Office hours 加野 裕(別に学科Web等で掲示する)
実務経験/Work experience
更新日/Date of renewal 2023/02/02
授業のねらい
/Learning Objectives
工学においては、製品開発、検査などで様々なデータを扱います。それには確率と統計が基礎として必要となります.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.この授業では、確率を扱うための数学的基礎と統計学の基本を学びます。
到達度目標
/Outcomes Measured By:
目標1:確率に関する数学的な概念の説明と計算ができる。
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を理解し、統計的な
    問題に対する計算ができる。
授業計画
/Course Schedule
総授業時間(実時間);2単位(90分/60分)X15回=22.5時間

第1週 記述統計I(ガイダンスと今後のスケジュール、変量とデータ、代表値、度数分布と ヒストグラム、分散と標準偏差)
第2週 記述統計II(相関、散布図、共分散、相関係数)
第3週 確率I(試行・事象・標本空間、和事象・積事象・背反確率、確率の値について)
第4週 確率II(条件付確率、独立事象、乗法定理、ベイズの定理)
第5週 確率分布I(確率変数、離散型確率分布、確率変数の期待値と分散)
第6週 確率分布II(主な離散型確率分布、連続型確率分布、連続型確率変数の期待値と分 散)
第7週 確率分布III(確率変数の標準化、正規分布、標準正規分布、標準正規分布表)
第8週 Moodle演習1(講義前半の振り返り)
第9週 確率分布IV(同時確率関数・同時確率密度関数、独立な確率変数、大数の弱法則、 中心極限定理)
第10週 統計的推定I(統計的推定、標本分布と母集団分布、標本平均、不偏分散)
第11週 統計的推定II(推定量、点推定、区間推定)
第12週 統計的推定III(t分布とt分布表、区間推定、母平均の区間推定(母分散が未知 の場合)、指数分布、カイ二乗分布)
第13週 統計的仮説検定I(帰無仮説、統計的仮説検定、片側検定と両側検定、母平均の検 定)
第14週 統計的仮説検定II(母比率と標本比率、母比率の推定、母比率の検定)
第15週 Moodle演習2(講義後半の振り返り)
第16週 定期試験

教科書の該当部分(授業時間内に指示する)を予め理解した上で授業に参加すること。
適宜演習課題を課す。

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。

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
やさしく語る確率統計 西岡康夫著  オーム社 2013(ISBN:9784274214073)
教科書・参考書に関する備考 授業中に適宜資料を配布する。
成績評価方法
/Grading Guidelines
目標1について数学基礎を重視した計算問題を出題し達成度を測る。
目標2について分布の諸性質に関する計算問題を出題し達成度を測る。
目標3について統計基礎に関する計算問題を出題し達成度を測る。
以上を定期試験等で評価し、全体で60%以上の場合に合格とする。
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
1年生までの数学系の授業内容について復習しておくこと。
講義の80%以上の出席者を試験対象とする。
授業の変更や緊急時の連絡は授業中または掲示板で通知する。
再試験は後期に一度だけ実施する。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
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)
適宜確認テストを行う。
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)
Active learning 3-2
/上記項目に係るALの度合い
該当なし