| 開講学期／Course Start | 2024年度／Academic Year 後期／Second |
|---|---|
| 開講曜限／Class period | 水/Wed 3 , 水/Wed 4 |
| 授業区分／Regular or Intensive | 週間授業 |
| 対象学科／Department | 創造工学科／Department of Engineering,創造工学科創造工学科／Department of EngineeringDepartment of Engineering,創造工学科電気電子工学コース／Department of EngineeringCourse of Electrical and Electronic Engineering |
| 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 | 統計的データ処理（電気電子工学コース）／Statistical Data Processing |
| 単位数／Number of Credits | 2 |
| 担当教員名／Lecturer | 大鎌 広 (創造工学科電気電子工学コース) |
| 時間割コード／Registration Code | J3034 |
| 連絡先／Contact | 大鎌 広(Y405,0143-46-5527,ohkama＠mmm.muroran-it.ac.jp) |
| オフィスアワー／Office hours | 大鎌 広(火17:00-18:00,水17:00-18:00) |
| 実務経験／Work experience |
| 更新日／Date of renewal | 2024/01/17 |
|---|---|
| 授業のねらい ／Learning Objectives |
工学の各専門分野で必要となる統計処理の基礎を体得し，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 |
総授業時間数：22.5時間 第01回 : ガイダンス 第02回 : 機械・ロボティクス分野におけるデータとその特徴 第03回 : データの分布とヒストグラム 第04回 : 平均と分散 第05回 : 相関関係と散布図 第06回 : 共分散と相関係数 第07回 : 最小2乗法による回帰係数の導出と残差 第08回 : データ分布，相関関係のまとめと到達度考査 第09回 : 統計的推測 第10回 : 母集団と標本 第11回 : 区間推定 第12回 : t分布と区間推定 第13回 : 検定 第14回 : 標本平均の分散 第15回 : 統計的推測，検定，標本平均のまとめと到達度考査 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． 授業時間前に動画で予習し，対面で実習や質疑応答を行う形式を予定しています． |
| 参考書等 ／Required Materials |
「挫折しない統計学入門 : 数学苦手意識を克服する」浅野 晃，オーム社(ISBN:9784274220128) |
| 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)と講義13回分の確認問題(40点満点)の総合で60％以上を合格とする。 |
| 履修上の注意 ／Notices |
2年生前期に履修する「確率統計」の内容を十分に理解しておくこと． 不合格の場合，再履修とします． 授業の変更や緊急時の連絡は授業中またはemailで周知します． |
| 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 |
データサイエンス入門，プログラミング入門，確率・統計，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） |
各テーマごとに小テストもしくは小演習を実施する． |
|---|---|
|
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） |
|
|
Active learning 3-2 ／上記項目に係るALの度合い |
該当なし |