| 開講学期／Course Start | 2026年度／Academic Year 後期／Second |
|---|---|
| 開講曜限／Class period | 火/Tue 1 , 火/Tue 2 |
| 授業区分／Regular or Intensive | 週間授業 |
| 対象学科／Department | 創造工学科 |
| 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（機械ロボット工学コース）／Statistical Data Processing |
| 単位数／Number of Credits | 2 |
| 担当教員名／Lecturer | 湯浅 友典 (創造工学科機械ロボット工学コース) |
| 時間割コード／Registration Code | J3032 |
| 連絡先／Contact | 湯浅 友典(Tel: 0143-46-5347, E-mail: yuasa@muroran-it.ac.jp, Room: Y401) |
| オフィスアワー／Office hours | 湯浅 友典(Mon: 16:00-17:00, Tue: 13:00-14:00) |
| 実務経験／Work experience |
| 更新日／Date of renewal | 2026/01/21 |
|---|---|
| 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（理解力）． 2. 統計的推測を説明できる（論理力）． 3. データを統計的に処理出来る（理解力，計算力）． |
| 授業計画 ／Course Schedule |
総授業時間数（実時間）：2単位(45分/60分)×2時限×15回＝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（データを捉える知識力修得） 第04回 : 平均と分散（データ比較の知識力修得） 第05回 : 相関関係と散布図（データ比較の知識力修得） 第06回 : 共分散と相関係数（データ比較の知識力修得） 第07回 : 最小2乗法による回帰係数の導出と残差（データ関係性の知識力修得） 第08回 : データ分布，相関関係のまとめと到達度考査（計算力，論理力，理解力の修得） 第09回 : 統計的推測（データ推定の知識力修得） 第10回 : 母集団と標本（データ推定の知識力修得） 第11回 : 区間推定（データ推定の知識力修得） 第12回 : t分布と区間推定（データ推定の知識力修得） 第13回 : 検定１（データ推定の知識力修得） 第14回 : 検定２，標本平均の分散（データ推定の知識力修得） 第15回 : 統計的推測，検定，標本平均のまとめと到達度考査（計算力，論理力，理解力の修得） ※ 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． |
| 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) |
| 教科書・参考書に関する備考 | 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，各回で実施する確認問題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． 再試は行わない．不合格者は再履修とする． |
| 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． 再試験は行わない．不合格者は再履修とする． 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． |
| 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 |