山梨大学電子シラバス>検索結果一覧>授業データ



授業科目名 確率・統計学
時間割番号 CDS010
担当教員名 内山 和治
開講学期・曜日・時限 前期・金・II 単位数 2
<対象学生>
(未登録)
<授業の目的>
人工知能、機械学習という言葉を日頃良く聞く。これらの基礎も、そして実は我々が日常的に行っている思考や判断も、確率・統計学と深く関係している。確率・統計学の基本を学び、その考え方や手法を使いたい時に使えるようになることは生活にも研究にも重要である。本講義では、社会におけるデータの活用事例を通して確率・統計学の基礎事項の意味を学び、偶然性を含む現象を調べて得たデータから、法則を見つけたり全体を推測したりする手法を身につける。本講義で学んだ内容を、学生実験等の実験計画や解析において活用してみると良いだろう。
<本授業科目による獲得・涵養が特に期待されるコンピテンシー>(能力・資質)
全学共通教育科目向け
記号コンピテンシー(能力・資質)説明 
A共通汎用能力2・情報リテラシー情報収集力図書館やインターネットなどから多様な文献や資料を入手できる。
B情報選択力収集した文献や資料から、適切な情報を選択し、活用できる。
C情報倫理力情報を倫理的、合法的に収集・活用できる。
D3・数量的リテラシーさまざまな情報を統計学的手法などにより、数理的に表現・分析できる。
<到達目標>  到達目標とは
目標NO説明コンピテンシーとの対応
共通
1確率変数、確率密度関数、確率分布関数の意味を説明できることD
2平均と分散を計算できることD
3各種確率分布の特徴を具体的な事例を上げて説明できることD
4母集団と標本の意味を説明できることD
5各種推定の具体的な計算ができることD
6統計的仮説検定の具体的な計算ができることD
72標本データの検定、相関を具体的に計算できることD
8データ収集の方法と利活用について説明できることA
9データと社会の関わりと留意事項を説明できることC
10データ分析の手法を文献等をもとに調査学習し応用できることB
<成績評価の方法>
目標No割合評価の観点
110%レポート課題、試験により評価する。
210%レポート課題、試験により評価する。
310%レポート課題、試験により評価する。
410%レポート課題、試験により評価する。
510%レポート課題、試験により評価する。
610%レポート課題、試験により評価する。
710%レポート課題、試験により評価する。
810%レポート課題、試験により評価する。
910%レポート課題、試験により評価する。
1010%レポート課題、試験により評価する。
合計100% 
<授業の方法>
講義資料を配布するので、講義の前に基礎事項を学ぶ。講義の中で実習やグループワークを随時行う。各回、基礎的な内容の理解を問うレポートを課す。python、Rなどのコンピュータ言語を用いて具体的に計算し理解を深める。感染症対応のため「オンデマンド型」で実施する場合がある.
<受講に際して・学生へのメッセージ>
特に教科書は指定しませんが、参考書として挙げた書籍を始めとして自分に合った本を一冊見つけると良いでしょう。
各自、自分のPCに統計解析言語(本講義内ではpythonを推奨しサポートします)をインストールし、有効に活用するようにしてください。
Teamsで随時質問を受け付けます。質問することも大事な学習です。遠慮せず質問してください。また「フィロス」も活用してください。
<テキスト>
(未登録)
<参考書>
  1. 薩摩順吉, 理工系の数学入門コース7 確率・統計, 岩波書店, ISBN:978-4000077774
  2. 真貝 寿明, 徹底攻略 確率統計, 共立出版, ISBN:978-4320110090
  3. 谷合廣紀, Pythonで理解する統計解析の基礎, 技術評論社, ISBN:978-4297100490
  4. 山田剛史,杉澤武俊,村井潤一郎, Rによるやさしい統計学, オーム社, ISBN:978-4274067105
  5. 加藤公一, 機械学習のエッセンス, SBクリエイティブ, ISBN:978-4797393965
<授業計画の概要>
1タイトル第1回:確率の導入
事前学習
事後学習
事前学習
1.確率統計学をなぜ学ぶのか考える。
2.講義資料・動画による予習。
事後学習
1.講義内容の復習とレポート作成。
授業内容1.3種類の確率について考えよう。
2.なぜデータサイエンス、確率統計学を学ぶのか。
3.[データサイエンス1-1] データサイエンスと生活・社会変化の関わりを学ぶ。
2タイトル第2回:条件付き確率
事前学習
事後学習
事前学習
1.レポート評価の確認と復習。
2.講義資料・動画による予習。
事後学習
1.講義内容の復習とレポート作成。
授業内容1.条件付き確率を学ぶ。
2.[データサイエンス1-2] データサイエンスと生活・社会変化の関わりを最新動向をもとに学ぶ。
3タイトル第3回:確率変数
事前学習
事後学習
事前学習
1.レポート評価の確認と復習。
2.講義資料・動画による予習。
事後学習
1.講義内容の復習とレポート作成。
授業内容1.確率変数を学ぶ。
4タイトル第4回:確率関数と確率密度関数
事前学習
事後学習
事前学習
1.レポート評価の確認と復習。
2.講義資料・動画による予習。
事後学習
1.講義内容の復習とレポート作成。
授業内容1.確率変数、確率分布、累積確率分布をまなぶ。
5タイトル第5回:確率分布関数
事前学習
事後学習
事前学習
1.レポート評価の確認と復習。
2.講義資料・動画による予習。
事後学習
1.講義内容の復習とレポート作成。
授業内容1.離散型確率変数
2.二項分布、ポアソン分布
6タイトル第6回:典型的な確率分布
事前学習
事後学習
事前学習
1.レポート評価の確認と復習。
2.講義資料・動画による予習。
事後学習
1.講義内容の復習とレポート作成。
授業内容1.連続型確率変数
2.正規分布、指数分布
7タイトル第7回:平均値と分散
事前学習
事後学習
事前学習
1.レポート評価の確認と復習。
2.講義資料・動画による予習。
事後学習
1.講義内容の復習とレポート作成。
授業内容1.大数の法則、中心極限定理を学ぶ
2.平均値の分散
8タイトル第8回:確率部分のまとめと試験
事前学習
事後学習
事前学習
1.レポート評価の確認と復習。
2.講義資料・動画による予習。
事後学習
1.講義内容の復習とレポート作成。
授業内容1.確率変数、確率分布に関するまとめと試験を実施する。
2.[データサイエンス2-1] 社会で活用されているデータを学ぶ。
9タイトル第9回:点推定
事前学習
事後学習
事前学習
1.レポート評価の確認と復習。
2.講義資料・動画による予習。
事後学習
1.講義内容の復習とレポート作成。
授業内容1.母集団と標本について学ぶ。
2.[データサイエンス2-2] データの活用領域を学ぶ。
10タイトル第10回:区間推定
事前学習
事後学習
事前学習
1.レポート評価の確認と復習。
2.講義資料・動画による予習。
事後学習
1.講義内容の復習とレポート作成。
授業内容1.区間推定の基礎を学ぶ。
11タイトル第11回:統計的仮説検定の導入
事前学習
事後学習
事前学習
1.レポート評価の確認と復習。
2.講義資料・動画による予習。
事後学習
1.講義内容の復習とレポート作成。
授業内容1.仮説検定の基礎を学ぶ。
12タイトル第12回:母平均・母分散の検定
事前学習
事後学習
事前学習
1.レポート評価の確認と復習。
2.講義資料・動画による予習。
事後学習
1.講義内容の復習とレポート作成。
授業内容1.母平均、母分散の検定を学ぶ。
2.[データサイエンス3-1] データ利活用の技術について学ぶ。
13タイトル第13回:2標本データの検定、相関
事前学習
事後学習
事前学習
1.レポート評価の確認と復習。
2.講義資料・動画による予習。
事後学習
1.講義内容の復習とレポート作成。
授業内容1.2標本データの検定、相関を学ぶ。
2.クラスタリング、主成分分析を学ぶ
3.[データサイエンス3-2] データ利活用の現場について学ぶ。
14タイトル第14回:統計部分のまとめと試験
事前学習
事後学習
事前学習
1.レポート評価の確認と復習。
2.講義資料・動画による予習。
事後学習
1.講義内容の復習とレポート作成。
授業内容1.統計部分のまとめに関するまとめと試験を実施する。
15タイトル第15回:回帰分析、試験解説
事前学習
事後学習
事前学習
1.レポート評価の確認と復習。
2.講義資料・動画による予習。
事後学習
1.講義内容の復習とレポート作成。
授業内容1.回帰分析等機械学習の基礎を学ぶ。
2.確率過程の基礎を学ぶ。
3.[データサイエンス4] データを扱う・守る上での留意事項について学ぶ。
<前年度授業に対する改善要望等への対応>
プログラミングに関するフォローへの要望があったので、講義期間中にプログラミングについての質問を随時受け付け、適宜ライブ型にて指導を行うこととする。
<備考>
(未登録)