2025年度前期確率・統計演習

曜日・時限	火曜日４時限	期別	前期	週時間数	0
ナンバリング	HT220108
開講学科等	総合情報学部-情報学科
教員名	山来　寧志山来　寧志職務履歴

目的

確率・統計学は、自然科学・工学の諸分野で広く用いられ、理工学系学科にとって、基礎としての役割をもつ科目である。近年、人工知能AIや機械学習といった分野の発展がめざましく、これらの基礎も確率・統計学と深く関係しているといえる。
本科目では、確率および統計の基礎について学習する。確率・統計学の基礎を十分に理解し、それらに関する基礎的計算ができるようになり、種々の場合に活用できるようになることを目的する。ばらつきを含む現象を調べて得たデータから、規則性をみいだしたり、全体を推測したりする手法を身につける。ソフトウェアを利用した演習もおこなう。
学生には、授業以外でも自主的な学習が期待される。

授業計画

授業回	形式	学修内容	学修課題
1	遠隔A	ガイダンス・Pythonの基礎	事前学修	シラバスを読んでおく。（3.5時間）
1	遠隔A	ガイダンス・Pythonの基礎	事後学修	Pythonの基本操作を実際に操作し復習する。（1.5時間）
2	遠隔A	確率の基礎	事前学修	Pythonの基本操作を実際に操作し復習する。（2.0時間）
2	遠隔A	確率の基礎	事後学修	確率の計算を練習する。（3.0時間）
3	遠隔A	条件付き確率・独立	事前学修	Pythonの基本操作を実際に操作し復習する。（2.0時間）
3	遠隔A	条件付き確率・独立	事後学修	確率の計算を練習する。（3.0時間）
4	遠隔A	統計の基礎	事前学修	確率の講義内容を復習する（3.5時間）
4	遠隔A	統計の基礎	事後学修	身近な出来事に、統計学の考え方を当てはめて、考察する。（1.5時間）
5	遠隔A	基本統計量（1次元データの整理）	事前学修	統計学の講義内容を復習する。（2.0時間）
5	遠隔A	基本統計量（1次元データの整理）	事後学修	Pythonで基本統計量の計算を復習する。（3.0時間）
6	遠隔A	相関（2次元データの整理）	事前学修	基本統計量について復習する。（2.0時間）
6	遠隔A	相関（2次元データの整理）	事後学修	Pythonで相関の計算を復習する。（3.0時間）
7	遠隔A	統計的推測の基礎	事前学修	統計学の講義内容を復習する。（2.0時間）
7	遠隔A	統計的推測の基礎	事後学修	母集団とサンプルの関係を復習する。（3.0時間）
8	遠隔A	確率分布・正規分布	事前学修	統計的推測の考え方を復習する。（2.0時間）
8	遠隔A	確率分布・正規分布	事後学修	Pythonで分布を作成したりの確率の計算を復習する。（3.0時間）
9	遠隔A	代表的な連続型確率分布	事前学修	統計的推測の考え方を復習する。（1.0時間）
9	遠隔A	代表的な連続型確率分布	事後学修	Pythonで分布を作成したりの確率の計算を復習する。（3.0時間）
10	遠隔A	代表的な離散型確率分布	事前学修	統計的推測の考え方を復習する。（1.0時間）
10	遠隔A	代表的な離散型確率分布	事後学修	Pythonで分布を作成したりの確率の計算を復習する。（3.0時間）
11	遠隔A	統計的検定・推定	事前学修	統計的推測の考え方を復習する。（1.0時間）
11	遠隔A	統計的検定・推定	事後学修	Pythonで分布を作成したりの確率の計算を復習する。（3.0時間）
12	遠隔A	多変量解析法の基礎	事前学修	統計的推測の考え方を復習する。（1.0時間）
12	遠隔A	多変量解析法の基礎	事後学修	Pythonで、身近なデータに対して、多変量解析法の手法を適用してみる。（3.0時間）
13	遠隔A	機械学習の基礎	事前学修	統計的推測の考え方を復習する。（1.0時間）
13	遠隔A	機械学習の基礎	事後学修	Pythonで、身近なデータに対して、機械学習の手法を適用してみる。（3.0時間）

授業形式記号

A:一斉授業（通常の講義）
B:問題発見・解決学習、プロジェクト学習
C:体験、実験、実習、演習など

D:調査分析、解析など
E:ものづくり、作品制作
F:グループワーク（ディスカッション・ディベートを含む）

G:プレゼンテーション
H:地域・企業　連携型学習
I:その他

到達目標

到達目標
＜授業の学習・教育目標＞
（1）確率・分布の基礎を理解する。
（2）平均値や分散などの基本統計量の基礎を理解する。
（3）相関関係の基礎を理解する。
（4）正規分布の基礎を理解する。
（5）統計的推測の考え方を理解する。

本科目に関連するディプロマ・ポリシー項目
○ 2024年度以降の入学生
下記リンク先のカリキュラム・マップを参照。
https://sites.google.com/oecu.jp/syllabus2025/

○ 2023年度以前の入学生
修得する資質・能力：知識・理解力、応用力【DP-T-1-1】

先修科目：なし
注意事項：Pythonの基本操作を習得しておくこと。

＜合格基準＞
試験を中心として、授業態度を総合的に判断し、学習・教育目標を達成したか評価する。

＜評価項目＞
（1）確率の基本的な計算ができる。
（2）基本統計量を計算できる。
（3）相関の基本的な計算ができる。
（4）正規分布の基礎的な計算ができる。
（5）検定・推定の計算ができる。

評価方法と評価観点

評価方法	配点合計	知識・理解力	応用力	コミュニケーション力	態度・志向性	創造力	合計
定期試験またはレポート試験							0%
小テスト、小論文							0%
グループワーク							0%
プレゼンテーション							0%
レポート、宿題	100%	80%	20%				100%
授業での姿勢（ノート、質疑など）							0%
作品、パフォーマンス（実技、実演）							0%
その他1(具体的に：							0%
その他2(具体的に：							0%
	100%	80%	20%	0%	0%	0%	100%

教科書・参考書

教科書：谷合廣紀著,「Pythonで理解する統計解析の基礎」,技術評論社

ISBN-13:9784297100490

参考書：岡本和夫著,「新版数学シリーズ　新版確率統計演習　改訂版」,実教出版

ISBN-13:978-4-407-34947-4

オフィスアワー

・数の加減乗除、式の展開などの基本的な計算を正確にできるようにしておくこと。
・テキストをよく読み、予習・復習すること。
・試験などの要点や解説は、Moodleに掲載する。
・Pthonの操作を十分練習すること。
・〔欠格条件〕レポート・課題について未提出がある者は、未受験（不合格）とする。
・〔オフィスアワー〕質問等がある場合は、授業時間中に行うこと。それ以外は、以下の連絡先にメールすること。yamarai＠oecu.jp（＠を半角に替えること）

その他

・携帯電話の電源は切り、机の上に置かずしまっておくこと。
・レポート等を未提出のものは、E評価とする。
・私語など他の人の授業の妨げになる行為をしないこと。

実務経験のある教員による授業科目

担当教員は、（一般財団法人）日本規格協会や（一般財団法人）日本科学技術連盟などが主催する企業向けセミナーにおいて、講義・指導を担当している。主に製造業を中心とする企業に対して、実務で直面する品質管理に関する問題の取り組み方やデータ解析の方法などを解説している。品質管理・確率・統計に関する科目（統計学や多変量解析法）なども講義している。また、日本規格協会が主催するQC検定の各種委員であり、企業が求める統計学やQCについてのさまざまな知識を有している。

戻る