授業の主題
|
|
確率,統計,確率分布,検定,回帰分析
|
|
|
学修目標(到達目標)
|
|
1. 平均・分散・変動係数など基本統計量の計算が出来る
2. ベイズの法則・大数の法則・中心極限定理など確率法則を理解し,説明・応用が出来る.
3. 確率変数と分布関数の概念を理解し,基本的な演算を行える.
4. Pythonを用いた基本的な演算ができる.
対象となる学習目標:1
|
|
|
|
|
授業概要
|
|
1. 集合の概念復習とPythonの使い方
2. 確率の表現,基本演算
3. 確率変数,確率密度関数と累積確率分布関数
4. 複数の確率変数
5. ベルヌーイ試行列,二項分布とポアソン分布
6. 正規分布
7. 確率・データ分析演習
(PC必須.Excel/Python利用.Pythonについては,講義中にて説明.)
8. 確率過程
|
|
|
評価方法と割合
|
評価方法
|
|
次項の項目及び割合で総合評価し、次のとおり判定する。
「S(達成度90%~100%)」、「A(同80%~90%未満)」、
「B(同70%~80%未満)」、「C(同60%~70%未満)」を合格とし、
「不可(同60%未満)」を不合格とする。(標準評価方法)
|
|
|
評価の割合
|
|
【授業には3分の2以上の出席を必要とする】
・期末レポート: 80%
・ミニレポート: 20%
|
|
|
ルーブリック
|
【授業別ルーブリック】
評価項目 | 評価基準 |
S(達成度90%~100%) | A(同80%~90%未満) | B(同70%~80%未満) | C(同60%~70%未満) | 不可(同60%未満) |
確率論の基礎知識の習得 | 複数の確率分布を適切な推論に応用することが十分にできる. | 正規分布だけではなく,二項分布ポアソン分布なども理解して,適切な確率分布を選択できる. | 正規分布,大数の法則,中心極限定理といった基本的な内容を説明できる. | 確率分布の概念を理解しており,基礎的な計算に対応することができる. | 確率分布の概念が理解できていない. |
Pythonを用いたベクトル・配列情報の処理 | 自らの手で学習しながら,より高度な確率モデルのパッケージへの応用ができる. | NumPyに関連する解説情報を読み解き,多次元配列の解析ができる. | プログラムを用いて,確率分布からの乱数の生成とシミュレーションを実行することができる. | プログラムを用いて,データの読み出しの実行と,必要最小限のベクトル・配列の処理を実装できる. | プログラムを用いた基本的なデータ処理ができない. |
|
|
|
|
授業時間外の学修に関する指示
|
予習に関する指示
|
|
講義全般において,Google colaboratoryを用いる.
講義中に説明をする予定だが,事前に各自でその操作方法などを確認しておくことが望ましい.
(目安時間:30分)
|
|
|
復習に関する指示
|
|
★2.オンデマンド教材(授業内容の一部)
各回に提示する小テストに取り組むこと.
解き方に不明点があれば,質問登録フォームに入力すること.
(目安時間:2時間)
|
|
|
教科書・参考書
|
参考書
|
|
|
978-4485300633
|
小林潔司, 織田澤利守
|
電気書院
|
2012
|
|
|
978-4798155067
|
馬場 真哉
|
翔泳社
|
2018
|
|
|
|
|
オフィスアワー等(学生からの質問への対応方法等)
|
|
特に設定しません.
随時,アポイントを取って質問に来てください.
|
|
|
履修条件
|
|
|
|
|
|
|
|
|
|
|
|