情報科学部Faculty of Computer and Information Sciences
MAT147KA-GMP-153（数学 / Mathematics 100）統計学1Statistics 1
相島 健助Kensuke AISHIMA
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 情報科学部Faculty of Computer and Information Sciences |
| 添付ファイル名Attached documents | |
| 年度Year | 2022 |
| 授業コードClass code | J0009 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 秋学期授業/Fall |
| 曜日・時限Day/Period | 水4/Wed.4 |
| 科目種別Class Type | |
| キャンパスCampus | 小金井 / Koganei |
| 教室名称Classroom name | 各学部・研究科等の時間割等で確認 |
| 配当年次Grade | |
| 単位数Credit(s) | 2 |
| 備考（履修条件等）Notes | |
| 他学部公開科目Open Program | |
| 他学部公開（履修条件等）Open Program (Notes) | |
| グローバル・オープン科目Global Open Program | |
| 成績優秀者の他学部科目履修制度対象Interdepartmental class taking system for Academic Achievers | |
| 成績優秀者の他学部科目履修（履修条件等）Interdepartmental class taking system for Academic Achievers (Notes) | |
| 実務経験のある教員による授業科目Class taught by instructors with practical experience | |
| SDGsCPSDGs CP | |
| アーバンデザインCPUrban Design CP | |
| ダイバーシティCPDiversity CP | |
| 未来教室CPLearning for the Future CP | |
| カーボンニュートラルCPCarbon Neutral CP | |
| 千代田コンソ単位互換提供（他大学向け）Chiyoda Campus Consortium | |
| 選択・必修Optional/Compulsory | |
| カテゴリー（2022年度以降入学者）Category (2022~) | |
| カテゴリー（2021年度以前入学者）Category (~2021) | |
| カテゴリーCategory |
専門教育科目 科学基礎科目 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
Statistics is very useful for us to process data having some fluctuations such as speeches and/or images. Students receive lectures on fundamentals in Statistics from the viewpoint of accuracy and error in some experiments. Bayesian Statistics will be introduced a little. Statistics is an important academic field for some specialized courses such as Statistics 2, Speech processing, Digital signal processing, Information theory, image processing, and pattern recognition. Therefore, those who wish to study these cources are required to take Statistics.
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的（何を学ぶか）Outline and objectives
統計学は、音声や画像のように共通する特徴はあるものの、個別には変動（バラつきやゆらぎ）があるようなデータを扱うときに非常に有用である。また、ビッグデータやデータサイエンスと呼ばれるような、膨大なデータを処理し利活用するときにも不可欠な技術である。こうした統計学の基礎を実験精度と誤差の観点から講義していく。後半では、ベイズ統計学についても触れる。この科目では、統計学の基礎を習得する。多くの専門科目、特に、統計学2、音声情報処理、ディジタル信号処理、情報理論、画像情報処理、パターン認識の基盤となる重要な学問である。
到達目標Goal
合格者は、以下の項目を達成することを想定している。(1)「確率変数」「確率分布」の概念を理解する。(2)「期待値」の演算ができる。(3)「正規分布」の基礎概念を理解し、データから統計量を推定できる。(4)「検定」の概念を理解する。(5)データからノートPCを使って回帰係数が計算できる。
数学的な知識をベースとして、実際のデータの処理・解析を通して本質を見抜く論理的思考ができることを期待する。
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか（該当授業科目と学位授与方針に明示された学習成果との関連）Which item of the diploma policy will be obtained by taking this class?
ディプロマポリシーのうち「DP1」と「DP4-1」、「DP4-2」に関連
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)（学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. ）
教科書の内容を授業計画に沿って、「理解する」ことを目標とする。「理解する」とは、教科書に取り上げられている内容に関する問題に解答でき、「説明」できることである。「説明」とは、式変形がどの式や定理・公理に基づいているのかを明確にすることである。授業の方法としては、まず、予習として、教科書の数式、例題などを導出できるようにしておくこと。授業内容に関連する応用演習課題を復習課題とする。本授業だけで問題演習が足りない学生には、別途開講される「統計学演習」の受講を勧める。課題（試験やレポート等）に対するフィードバック方法として、授業の初めに、前回の授業内で行った試験や小レポート等、課題からいくつか取り上げ、全体に対して講評や解説を行う。
アクティブラーニング（グループディスカッション、ディベート等）の実施Active learning in class (Group discussion, Debate.etc.)
あり / Yes
フィールドワーク（学外での実習等）の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching：対面/face to face
※各回の授業形態は予定です。教員の指示に従ってください。
1[対面/face to face]：データの把握と記述
イントロダクションと収集されたデータの把握手段
2[対面/face to face]：確率変数と確率分布（離散型）
離散型の確率変数と確率分布、期待値や分散の計算
3[対面/face to face]：確率変数と確率分布（連続型）
連続型の確率変数と確率分布、期待値や分散の計算
4[対面/face to face]：多次元確率分布 （共分散）
3次元以上のデータの取り扱い
5[対面/face to face]：二項分布と正規分布
二項分布の性質と正規分布との関わり
6[対面/face to face]：積率母関数
分布のモーメントとその使用法
7[対面/face to face]：相関と回帰
2組のデータの関わり
8[対面/face to face]：中間テスト
前半のまとめ
9[対面/face to face]：標本分布
データが従うであろうさまざまな分布の性質
10[対面/face to face]：統計的推定
推定の考え方と推定の例
11[対面/face to face]：最尤法とその応用
尤度の考え方と最尤法
12[対面/face to face]：統計的検定１
検定の考え方と分布表の使い方
13[対面/face to face]：統計的検定２
ｔ検定やカイ二乗検定など
14[対面/face to face]：まとめ
全体のまとめと統計学の応用例
授業時間外の学習（準備学習・復習・宿題等）Work to be done outside of class (preparation, etc.)
毎回予習課題と復習課題を課す。予習として、事前に教科書をよく読み、授業に必要な知識を確認しておくこと。わからないことがあったら、参考書などを調べて、課題を解くこと。復習課題は授業で学んだ項目の理解を再確認したり深めることで定着を図ることを目的としている。コンピュータを用いた課題は教科書の授業範囲に出現したグラフのプロットや実際のデータから授業で学んだ統計量を推定できるようにすることを目的としている。復習課題に取り組むことにより、学んだことを実際に応用できるスキルが身につく。本授業の準備・復習等の授業時間外学習は、各週につき4時間を標準とします。
テキスト（教科書）Textbooks
皆本晃弥：スッキリわかる確率統計、近代科学社(2015)
内容が不足する場合は、資料を配布する。
参考書References
豊田秀樹：基礎からのベイズ統計学、朝倉書店(2015)
豊田秀樹：はじめての統計データ分析、朝倉書店(2016)
西内啓：統計学が最強の学問である、ダイヤモンド社（2013）
西内啓：統計学が最強の学問である[実践編]、ダイヤモンド社（2014）
野口、西郷：基本｜統計学、培風館(2014)
藤澤：確率と統計、朝倉書店、(2006)
薩摩：確率・統計、岩波(1989)
N.C.Barford著、酒井英行訳：実験精度と誤差、丸善出版(1997)
成績評価の方法と基準Grading criteria
レポート（30%）と中間テスト（30%）と定期試験（40%）とで評価する。
学生の意見等からの気づきChanges following student comments
練習問題が少ないと感じるときには、参考書等の問題を数多く解いてみると力がつく。
学生が準備すべき機器他Equipment student needs to prepare
演習にはノートPCを利用する。学習支援システムを利用する。