Syllabus data
|
Teacher name ： 生駒 哲一
|
開講年度
2025Year
開講学期
Second Semester
科目名
Applied Probability and Statistics Exercise
授業種別
Practice
科目名（英語）
Applied Probability and Statistics Exercise
授業情報(授業コード・クラス・授業形態)
A1500025 Applied Probability and Statistics Exercise
担当教員
null
単位数
1.0Credits
曜日時限
Wed.3Period
キャンパス
Hachioji Campus
教室
15-108 Izumi06
学位授与の方針
1 基礎知識の修得 10 ％
2 専門分野の知識・専門技術の修得 10 ％ 3 汎用的問題解決力の修得 70 ％ 4 道徳的態度と社会性の修得 10 ％ 具体的な到達目標
・計算機を用いて基本的なデータ処理を行うことができる。
・数値実験により中心極限定理などを実際に体験し、統計理論の内容をより深く理解する。 ・与えられたデータについて適切な検定や推定、分析を行う事ができる。 ・統計解析の結果についてのわかりやすいグラフを作成する事ができる。 ・具体的な事例に触れることで統計学の広がりについて知る。 受講にあたっての前提条件
「確率・統計Ⅰ」を履修済みであること。「応用確率・統計学」を同時に履修すること。
授業の方法とねらい
授業の方法：科目「応用確率・統計学」で学んだ内容を中心に、コンピュータによる演習を含む授業を行う。コンピュータにてプログラムでのデータ分析等の方法を説明した後、受講者が演習を行い、統計解析の原理と方法について理解を深める。
授業のねらい：科目「確率・統計Ⅰ」と科目「応用確率・統計学」で学んだ統計解析の方法について、具体的に計算機を用いて手順を体験することで、具体的なデータ解析技術を習得すると共に、統計解析の考え方や適用範囲に関してより深く理解する。 AL・ICT活用
Practice Fieldwork
第1回
授業形態
対面
事前学習
・コンピュータの操作について、各人の用いるパソコン環境において円滑な操作ができるよう準備し、操作を習熟しておくこと。
1時間
授業内容
【計算機を利用した統計解析の基礎：概要説明と計算機環境の構築】
・Python を用いた統計解析の概要を説明する。受講者各人のパソコン環境を整備する手順を説明する。 ・Python を用いた統計解析に関して、パソコン環境の基礎的な扱い方を知る。 事後学習・事前学習
・受講者のパソコンにて、Pythonが使える環境を整備しておく。
・授業の内容を復習し、内容の理解に努め、成果を提出レポートにまとめること。 ・学んだ内容を新たな課題に活用できるよう、プログラミングの練習をしておくこと。 2時間
第2回
授業形態
対面
授業内容
【基本的なグラフの作成】
データからヒストグラム、棒グラフ、散布図などを作成する。 事後学習・事前学習
・演習を行う内容について、教科書や参考書などの関連する箇所を見つけ、あらかじめ予習しておくこと。
・授業の内容を復習し、内容の理解に努め、成果を提出レポートにまとめること。 ・学んだ内容を新たな課題に活用できるよう、プログラミングの練習をしておくこと。 1.5時間
第3回
授業形態
対面
授業内容
【確率と乱数】
様々な確率分布に基づく乱数を生成し、統計量を求め、グラフを作成する。 事後学習・事前学習
・演習を行う内容について、教科書や参考書などの関連する箇所を見つけ、あらかじめ予習しておくこと。
・授業の内容を復習し、内容の理解に努め、成果を提出レポートにまとめること。 ・学んだ内容を新たな課題に活用できるよう、プログラミングの練習をしておくこと。 2時間
第4回
授業形態
対面
授業内容
【標本平均に関するシミュレーション】
同一の母集団から得られる標本の「平均値」について、擬似乱数を使ったシミュレーションを実施する。 事後学習・事前学習
・演習を行う内容について、教科書や参考書などの関連する箇所を見つけ、あらかじめ予習しておくこと。
・授業の内容を復習し、内容の理解に努め、成果を提出レポートにまとめること。 ・学んだ内容を新たな課題に活用できるよう、プログラミングの練習をしておくこと。 2時間
第5回
授業形態
対面
授業内容
【平均値の区間推定】
平均値の区間推定を行う。擬似乱数を使ったシミュレーションを実施する。 事後学習・事前学習
・演習を行う内容について、教科書や参考書などの関連する箇所を見つけ、あらかじめ予習しておくこと。
・授業の内容を復習し、内容の理解に努め、成果を提出レポートにまとめること。 ・学んだ内容を新たな課題に活用できるよう、プログラミングの練習をしておくこと。 2時間
第6回
授業形態
対面
授業内容
【Ｚ検定、t 検定、Ｆ検定、ピアソンのカイ二乗検定、U 検定】
２群の平均値の差の検定を行うＺ検定およびt 検定、２群の等分散性を判定するＦ検定を行う。 またノンパラメトリック検定として、クロス集計などに対し独立性や適合度を判定するピアソンのカイ二乗検定と、順序データに対して２群の分布の同一性を判定するマンホイットニーのU 検定を行う。 事後学習・事前学習
・演習を行う内容について、教科書や参考書などの関連する箇所を見つけ、あらかじめ予習しておくこと。
・授業の内容を復習し、内容の理解に努め、成果を提出レポートにまとめること。 ・学んだ内容を新たな課題に活用できるよう、プログラミングの練習をしておくこと。 2時間
第7回
授業形態
別欄もしくは授業内で通知
授業内容
【検定の実践：『授業内試験』の確認】
２限の講義科目「応用確率・統計学」の『授業内試験』で出題された各種検定の課題を、コンピュータを使って解くことで、検定についての理解を深める。 事後学習・事前学習
・演習を行う内容について、教科書や参考書などの関連する箇所を見つけ、あらかじめ予習しておくこと。
・授業の内容を復習し、内容の理解に努め、成果を提出レポートにまとめること。 ・学んだ内容を新たな課題に活用できるよう、プログラミングの練習をしておくこと。 2時間
第8回
授業形態
対面
授業内容
【オープンデータの利用】
公開されているデータなどを読み込む際の手順について学び、実際にそれらの実データに対して、解析を行う。 事後学習・事前学習
・演習を行う内容について、教科書や参考書などの関連する箇所を見つけ、あらかじめ予習しておくこと。
・授業の内容を復習し、内容の理解に努め、成果を提出レポートにまとめること。 ・学んだ内容を新たな課題に活用できるよう、プログラミングの練習をしておくこと。 2時間
第9回
授業形態
対面
授業内容
【分散分析】
一元配置分散分析を行う方法を学び、いくつかのデータに対して分析を行う。 事後学習・事前学習
・演習を行う内容について、教科書や参考書などの関連する箇所を見つけ、あらかじめ予習しておくこと。
・授業の内容を復習し、内容の理解に努め、成果を提出レポートにまとめること。 ・学んだ内容を新たな課題に活用できるよう、プログラミングの練習をしておくこと。 2時間
第10回
授業形態
対面
授業内容
【重回帰分析】
まず、単回帰を行う方法を学び、いくつかのデータに対して分析を行う。 次に、重回帰分析の回帰係数を求める方法として、最小二乗法の計算を行い、その原理や計算手順い対する理解を深める。いくつかのデータに対して分析を行う。 事後学習・事前学習
・演習を行う内容について、教科書や参考書などの関連する箇所を見つけ、あらかじめ予習しておくこと。
・授業の内容を復習し、内容の理解に努め、成果を提出レポートにまとめること。 ・学んだ内容を新たな課題に活用できるよう、プログラミングの練習をしておくこと。 2時間
第11回
授業形態
対面
授業内容
【ロジスティック回帰分析と判別分析】
ロジスティック回帰分析を実施する方法を学び、いくつかのデータに対して分析を行う。 判別分析を実施する方法を学び、いくつかのデータに対して分析を行う。 事後学習・事前学習
・演習を行う内容について、教科書や参考書などの関連する箇所を見つけ、あらかじめ予習しておくこと。
・授業の内容を復習し、内容の理解に努め、成果を提出レポートにまとめること。 ・学んだ内容を新たな課題に活用できるよう、プログラミングの練習をしておくこと。 2時間
第12回
授業形態
対面
授業内容
【主成分分析と因子分析】
主成分分析を実施する方法を学び、いくつかのデータに対して分析を行う。 因子分析を実施する方法を学び、いくつかのデータに対して分析を行う。 事後学習・事前学習
・演習を行う内容について、教科書や参考書などの関連する箇所を見つけ、あらかじめ予習しておくこと。
・授業の内容を復習し、内容の理解に努め、成果を提出レポートにまとめること。 ・学んだ内容を新たな課題に活用できるよう、プログラミングの練習をしておくこと。 2時間
第13回
授業形態
対面
授業内容
【クラスタリング】
クラスタリングを実施する方法を学び、いくつかのデータに対して分析を行う。 事後学習・事前学習
・演習を行う内容について、教科書や参考書などの関連する箇所を見つけ、あらかじめ予習しておくこと。
・授業の内容を復習し、内容の理解に努め、成果を提出レポートにまとめること。 ・学んだ内容を新たな課題に活用できるよう、プログラミングの練習をしておくこと。 2時間
第14回
授業形態
遠隔（オンデマンド）
授業内容
【Pythonでのクラスやパッケージの活用】
・Pythonを使いこなす為に必須の「関数」や「クラス」、「パッケージ」などについて学び、これらを使えるようになる。 ・授業の内容を復習し、内容の理解に努め、成果を提出レポートにまとめること。 ・学んだ内容を新たな課題に活用できるよう、プログラミングの練習をしておくこと。 事後学習・事前学習
配布された資料の説明に基づき、各人でもインターネットや書籍などで追加的な調査を進め、理解を確かにする。
2時間
第15回
授業形態
別欄もしくは授業内で通知
授業内容
【期末課題】
学んだ内容を活用して実践的なデータ分析を行う期末課題について説明し、課題解決に必要な基本事項を確認する。 事後学習
・授業で説明のあった期末課題を理解し、その解決に取り組む。その内容を、期末レポートとしてまとめ、提出する。
・課題の解決に必要となる基本事項を列挙し、それらの理解に努める。 ・課題の解決を行うためにプログラミングを実施して、課されたデータ分析を行い、その妥当性を確認する。 4時間
成績評価の方法
・第１回〜第１４回にて、演習課題に取り組み、各回レポートを提出する。
・期末試験は行わず、学んだ内容全般に関する「期末課題」を第１５回に実践し、期末レポートを提出する。 ・各回の演習課題と「期末課題」を ６：４ の割合で総合し評価する。 A+ 〜 F の６段階評価で D 以上を合格とする。 ・評価は主に、課題に取り組んだ内容がレポートに十分に記述されているかに基づいて行う。 受講生へのフィードバック方法
第１回〜第１３回の授業の演習課題の提出物に対し、必要に応じて、コメントやアドバイスを行う。
教科書
１．栗原伸一「入門 統計学(第2版)」
ISBN 978-4274227387 出版社 オーム社 参考書
１．栗原伸一「入門 統計学」
ISBN: 978-4-274-06855-3 出版社: オーム社 ２．中村 永友「多次元データ解析法」 ISBN 978-4-320-01922-5 出版社 共立出版 ３．足立浩平「多変量データ解析法〜心理・教育・社会系のための入門」 ISBN 978-4779500572 出版社 ナカニシヤ出版 ４．岡本雅典「新版 基本統計学」 ISBN 978-4-407-32864-6 出版社 実教出版 オフィスアワー
２時限目の終了後〜授業の開始前と、授業の終了直後に、教場にて。
受講生へのメッセージ
演習に必要なPython環境を、受講者のパソコンに構築して、使います。これに必要な機材を準備した上で、受講して下さい。
履修希望者は、本科目の受講条件にある「応用確率・統計学」の初回授業に、冒頭から必ず出席すること。 本科目を履修し学ぶことで、科目「応用確率・統計学」に対する理解が、更に深まります。 実務家担当科目
Not applicable
実務経験の内容
教職課程認定該当学科
Department of Information Design
その他の資格・認定プログラムとの関連
関連する科目でない
教育課程コード
Ⅱ2c
教育課程コードの見方【例】 Ⅰ2a（Ⅰ…Ⅰ群、2…2年配当、a…必修） ※ a : 必修 b : 選択必修 c : 選択 ※複数コードが表示されている場合には入学年度・所属学科の学生便覧を参照のこと
|
