データ処理（統計データ解析２）

科目授業名称（和文）　Name of the subject/class (in Japanese)

データ処理（統計データ解析２）

科目授業名称（英文）　Name of the subject/class (in English)

Data processing （統計データ解析２）

授業コード　Class code

9914725

科目番号　Course number

14MAPTS307

教員名

村上　秀俊

Instructor

Hidetoshi Murakami

開講年度学期

2024年度前期

Year/Semester

1st Semester

曜日時限

火曜2限

Class hours

Tue. 2nd pd.

開講学科・専攻　Department

理学部第一部　応用数学科

Department of Applied Mathematics, Faculty of Science Division Ⅰ

単位数　Course credit

2.0単位

授業の方法　Teaching method

講義

Lecture

外国語のみの科目（使用言語）　Course in only foreign languages (languages)

-

授業の主な実施形態　Main class format

① [対面]対面授業/ [On-site] On-site class

概要　Description

データ解析に必要不可欠であるデータの特性を見出す基本概念を学ぶ。R の使用方法, 確率分布, データの要約方法, クラスター分析, 回帰分析, 順序統計量を中心に講義を行う。学習した内容について, R によるプログラミングを講義する。

目的　Objectives

本学科のカリキュラム・ポリシーに定める「応用数学の中の３つの学問領域を基盤とする最先端の多様な専門教育を行う」ための科目です。
本学科のディプロマ・ポリシーに定める「数学を中心とする基礎知識を習得する」こと, および, ３つの学問領域を体系的に理解できる能力を養うことを実現するための科目です。

データ解析に必要不可欠である, データの特性を見出す力を養う。データの要約について具体的な統計手法を学習する。学習した手法について, R を用いてプログラムが作成できる力を身に付けることを目的とする。

到達目標　Outcomes

統計学的な考え方や基本概念を理解し, 統計学的な見方を養う。データ解析の具体的な手法について学習し, 学習した手法を用いて, 実際のデータ解析ができる力や分析結果からデータの性質を読み取る力を身に付けることを目標とする。

卒業認定・学位授与の方針との関係（学部科目のみ）

リンク先の [評価項目と科目の対応一覧]から確認できます（学部対象）。
履修登録の際に参照ください。
You can check this from “Correspondence table between grading items and subjects” by following the link(for departments).
https://www.tus.ac.jp/fd/ict_tusrubric/

履修上の注意　Course notes prerequisites

線形代数と微積分および２年次の数理統計学関連科の知識があることを前提とし, 統計データ分析に興味を持っている学生を想定して講義を行う。また, 講義では各自の持ち込みノートパソコンを使い, 統計ソフトによるデータ分析の課題に取り組む。

アクティブ・ラーニング科目　Teaching type（Active Learning）

小テストの実施　Quiz type test／-

-

準備学習・復習　Preparation and review

各回の講義内容を十分復習し, 分からないことがあれば講義の初めに質問をすること。　

準備学習：線形代数, 微分積分, 数理統計学の復習をしておくこと。

成績評価方法　Performance grading policy

レポート課題および中間到達度評価, 到達度評価を総合的に評価する。

学修成果の評価　Evaluation of academic achievement

・S：到達目標を十分に達成し、極めて優秀な成果を収めている
・A：到達目標を十分に達成している
・B：到達目標を達成している
・C：到達目標を最低限達成している
・D：到達目標を達成していない
・-：学修成果の評価を判断する要件を欠格している

・S：Achieved outcomes, excellent result
・A：Achieved outcomes, good result
・B：Achieved outcomes
・C：Minimally achieved outcomes
・D：Did not achieve outcomes
・-：Failed to meet even the minimal requirements for evaluation

教科書　Textbooks/Readings

教科書の使用有無（有=Y , 無=N）　Textbook used(Y for yes, N for no)

N

書誌情報　Bibliographic information

-

MyKiTSのURL（教科書販売サイト）　URL for MyKiTS(textbook sales site)

教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
https://mirai.kinokuniya.co.jp/tokyorika/

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
https://mirai.kinokuniya.co.jp/tokyorika/

参考書・その他資料　Reference and other materials

Crawley, M.J. 著　野間口謙太郎・菊池泰樹訳　統計学：Rを用いた入門書改訂第２版

必要に応じて, 適宜指示する。

授業計画　Class plan

授業の進度は受講生の理解度などにより前後することがある。また, 必ずノートパソコンを持参すること。

第１回：ガイダンス, 統計学の基礎（１）
R のインストールや統計学の応用問題について学習する

第２回：R について（１）
統計ソフト R の基本な使用方法について理解する

第３回：R について（２）
R のデータフレームについて理解する
パッケージのインストールおよび R の基本的な関数について理解する

第４回：統計学の基礎（２）
母集団・標本および乱数による実験を通して無作為抽出を理解する

第５回：データの要約（１）
グラフによるデータの整理や平均・分散について理解する

第６回：データの要約（２）
ヒストグラムや確率分布の当てはめについて理解する

第７回：回帰分析（１）
重回帰分析の考え方について理解する

第８回：中間到達度評価及びレポート課題の説明

第９回：回帰分析（２）
重回帰分析の考え方について理解する

第１０回：クラスター分析（１）
クラスター分析の基本的概念を理解する

第１１回：クラスター分析（２）
最短距離法, 最長距離法, 群平均法, 重心法について理解する

第１２回：クラスター分析（３）
メジアン法, ウォード法について理解する

第１３回：順序統計量（１）
順序統計量の基本概念を理解する

第１４回：順序統計量（２）
乱数を通して, 最小値・最大値・中央値の分布について理解する

第１５回：到達度評価及びレポート課題の説明

授業担当者の実務経験　Work experience of the instructor of the class

-

教育用ソフトウェア　Educational software

Mathematica

R

備考　Remarks

統計ソフトを用いたデータ分析を学習する。ノートパソコンを持参すること。

授業でのBYOD PCの利用有無　Whether or not students may use BYOD PCs in class

Y

授業での仮想PCの利用有無　Whether or not students may use a virtual PC in class

-

シラバス情報