| 開講学期／Course Start | 2026年度／Academic Year 後期／Second |
|---|---|
| 開講曜限／Class period | 木/Thu 3 , 木/Thu 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／Department of Sciences and Informatics,システム理化学科物理物質システムコース／Department of Sciences and InformaticsCourse of Physics and Materials Sciences,システム理化学科化学生物システムコース／Department of Sciences and InformaticsCourse of Chemical and Biological Systems,システム理化学科数理情報システムコース／Department of Sciences and InformaticsCourse of Mathematical Science and Informatics |
| 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（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(金曜日 8:45-10:15（後期）) |
| 実務経験／Work experience |
| 更新日／Date of renewal | 2026/09/08 |
|---|---|
| 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。確率論で学修した内容を基にする。統計分布の理解から始め、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. 標本分布の基礎を理解している。 2. 推定の基礎を理解している。 3. 仮説検定の基礎を理解している。 4. 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、確率論の復習１ 第2回: 誤差論 第3回: 確率論の復習２ 第4回: 多次元の確率分布（第7章 7.2から） 第5回: 大数の法則と中心極限定理（第8章） 第6回: 標本分布（第9章） 第7回: 正規分布からの標本１（第10章） 第8回: 正規分布からの標本２（第10章） 第9回: 推定１（第11章） 第10回: 推定２（第11章） 第11回: 仮設検定１（第12章） 第12回: 仮設検定２（第12章） 第13回: 回帰分析（第13章）、外れ値 第14回: ベイズ統計 第15回: ノンパラメトリックな統計処理 ・テキストを予習し、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) 統計学の極意 デイウィッド・シュピーゲルハルター著；宮本寿代訳 草思社(ISBN:9784794226921) |
| 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ため、出席と課題の得点を重視して成績評価を行う。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点満点へ換算する。 3) 目標1,2の到達度は小課題と演習1（30点満点）により評価する。 4) 目標3,4の到達度は小課題と演習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。 |
| 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。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他、Moodleや掲示版なども用いて通知する。 ・不合格の場合は再履修が必要である。 |
| 教員メッセージ ／Message from Lecturer |
統計学の基礎ならびにデータ分析の基礎を講義する。学修後は意味を理解した上でパラメトリックな統計処理を扱えるようになることが目的の１つである。そのために理工情報学とも連携して授業を進める。 |
| 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、理工情報学、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 |