授業科目名	確率統計及び演習II
時間割番号	TCS111
担当教員名	小澤　賢司
開講学期・曜日・時限	後期・月・V	単位数	2
＜対象学生＞
(未登録)
＜授業の目的＞
具体的な応用例を取り上げながら，統計的推定，統計的仮説検定及び分散分析について実践的に学ぶ。コンピュータ理工学科では，卒業研究としてユーザインタフェースの評価のために被験者による心理学的実験を行う場合がある。個人による評価は同一刺激に対しても繰返しでばらつき，また個人差もある。このようなバラツキのあるデータから意味のある結論を得るための道具として，推定・検定・分散分析を使いこなす力を修得することを目的とする。
＜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）
工学部(～2023年度入学生)>コンピュータ理工学科向け 記号 コンピテンシー（能力・資質）   CS-A 専門 6.情報科学、及び、数学や自然科学等の知識と手法を用いて、以下のことができる。 6a.解決すべき問題を形式化することができる。 ◎
＜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 CS 1 統計的推定の基礎を理解し，実際に区間推定を実施できるようになる． CS-A 2 統計的検定の概念を理解し，t検定など代表的な検定を実施できるようになる． CS-A 3 分散分析の手法の基礎を理解し，実際に実施できるようになる． CS-A
＜成績評価の方法＞
目標No 割合 評価の観点 1 30% 標本抽出の概念を説明でき区間推定を実施できるか，毎講義の小テスト／期末試験とレポートにより評価 2 40% t検定など代表的な検定を実施できるか，毎講義の小テスト／期末試験とレポートにより評価 3 30% 分散分析を実施できるか，毎講義の小テスト／期末試験とレポート（2課題）により評価 合計 100%
＜授業の方法＞
【基本事項】「確率統計および演習I」を履修済みであること 【授業実施】 - 毎回演習レポートを課す - Pythonを用いた演習を行う
＜受講に際して・学生へのメッセージ＞
2024年度は「コンピュータ理工学科において，この科目の単位を未修得の学生」のみが対象とした開講です。それゆえ，2023年度のオンライン講義（担当：宗久知男名誉教授）をビデオ撮影したものを教材としたオンデマンド開講です。2024年担当教員の小澤は，受講生からの質問対応，レポート，期末試験の実施・成績管理を担当します。
＜テキスト＞
小寺平治著, ゼロから学ぶ統計解析 第10刷, 講談社, ISBN:4061546562, (2007年出版 ゼロから学ぶシリーズ)
＜参考書＞
谷合廣紀著, Pythonで理解する統計解析の基礎, 技術評論社, ISBN:4297100495, (2018年出版 Python × math series)
＜授業計画の概要＞
1 タイトル 推定の基礎（母集団と標本抽出，標本分布） 事前学習 事後学習 事前学習：教科書の該当ページを閲読。事後学習：授業内容の振り返り。 授業内容 ・母集団と標本抽出の概念について解説 ・標本分布の平均と分散について解説 2 タイトル 統計的推定（信頼区間，母平均の推定） 事前学習 事後学習 事前学習：教科書の該当ページを閲読。事後学習：授業内容の振り返り。 授業内容 ・区間推定の概念について解説 ・母平均および母比率に関する信頼区間の算出法について解説 3 タイトル 統計的推定（母分散，母比率の推定） 事前学習 事後学習 事前学習：教科書の該当ページを閲読。事後学習：授業内容の振り返り。 授業内容 ・母比率及び母分散に関する信頼区間の算出法について解説 4 タイトル 正規分布に関する演習 事前学習 事後学習 事前学習：Pythonの文法の確認。事後学習：レポート課題を解いて提出。 授業内容 ・Pythonを用いての正規分布理解 ・受講生がプログラムをつくり演習レポート作成 5 タイトル 区間推定に関する演習 事前学習 事後学習 事前学習：Pythonの文法の確認。事後学習：レポート課題を解いて提出。 授業内容 ・Pythonを用いて区間推定する技術を修得 ・与えられたデータに対して受講生がプログラムをつくり演習レポート作成 ・二項検定について解説 6 タイトル 仮説検定（帰無仮説，有意水準，棄却域，両側・片側検定，母平均の検定） 事前学習 事後学習 事前学習：教科書の該当ページを閲読。事後学習：授業内容の振り返り。 授業内容 ・検定の概念について解説 7 タイトル 仮説検定（等平均の検定） 事前学習 事後学習 事前学習：教科書の該当ページを閲読。事後学習：授業内容の振り返り。 授業内容 ・ｚ検定に関して解説 8 タイトル 仮説検定（母分散の検定，等分散の検定） 事前学習 事後学習 事前学習：教科書の該当ページを閲読。事後学習：授業内容の振り返り。 授業内容 ・χ^2検定に関して解説 9 タイトル 仮説検定（母比率の検定，適合度の検定） 事前学習 事後学習 事前学習：教科書の該当ページを閲読。事後学習：授業内容の振り返り。 授業内容 ・母比率および適合度の検定に関して解説 10 タイトル 仮設検定（ｚ検定）に関する演習 事前学習 事後学習 事前学習：配付資料を閲読。事後学習：授業内容の振り返り。 授業内容 ・Pythonを用いて仮説検定（ｚ検定）にする技術を修得 ・与えられたデータに対して受講生がプログラムをつくりレポート作成 11 タイトル 仮設検定（適合度）に関する演習 事前学習 事後学習 事前学習：配付資料を閲読。事後学習：授業内容の振り返り。 授業内容 ・Pythonを用いて仮説検定（適合度）する技術を修得 ・与えられたデータに対して受講生がプログラムをつくりレポート作成 12 タイトル 分散分析（１次元実験配置，分散分析表） 事前学習 事後学習 事前学習：配付資料を閲読。事後学習：授業内容の振り返り。 授業内容 ・分散分析の概念について解説 ・1元配置分散分析表の構成法に関して解説 13 タイトル 分散分析に関する演習 事前学習 事後学習 事前学習：配付資料を閲読。事後学習：授業内容の振り返り。 授業内容 ・Pythonを用いて分散分析する技術を修得 ・与えられたデータに対して受講生がプログラムをつくりレポート作成 14 タイトル 検定、分散分析に関する演習レポート 事前学習 事後学習 事前学習：Pythonの文法の確認。事後学習：レポート課題を解いて提出。 授業内容 ・Pythonを用いて検定、分散分析する技術を修得 ・与えられたデータに対して受講生がプログラムをつくりレポート作成 15 タイトル 最終評価（総括とまとめ） 事前学習 事後学習 ・事前学習：第1～14回の内容の復習。事後学習：期末試験に関する解説を受けての振り返り。 授業内容 ・記述式の期末試験に取り組んだ後，略解を見ながら自己採点。 ・授業担当教員から出題意図の解説や，誤りやすい点に関して注意。 16 タイトル 事前学習 事後学習 授業内容 17 タイトル 事前学習 事後学習 授業内容 18 タイトル 事前学習 事後学習 授業内容 19 タイトル 事前学習 事後学習 授業内容 20 タイトル 事前学習 事後学習 授業内容 21 タイトル 事前学習 事後学習 授業内容 22 タイトル 事前学習 事後学習 授業内容 23 タイトル 事前学習 事後学習 授業内容 24 タイトル 事前学習 事後学習 授業内容 25 タイトル 事前学習 事後学習 授業内容 26 タイトル 事前学習 事後学習 授業内容 27 タイトル 事前学習 事後学習 授業内容 28 タイトル 事前学習 事後学習 授業内容 29 タイトル 事前学習 事後学習 授業内容 30 タイトル 事前学習 事後学習 授業内容
＜実務経験のある教員による授業科目の概要＞
・担当教員は被験者を用いた音響心理学実験を多数実施し，そのデータを統計解析して論文執筆した経験を有している。 ・基礎知識をいかに現場の問題に応用するかの実例をできるだけ多く取り入れ、知識を活用する能力を習得させる。
＜前年度授業に対する改善要望等への対応＞
2023年度は非常勤講師が担当したため，授業評価アンケートの結果を閲覧できない。ただし，2024年度は「過年度生のみ受講可能」であるため，基本的に2023年度と同一内容で実施する予定である。
＜備考＞
(未登録)