Syllabus data

Teacher name ： 福井 正博
Course Title
Statistics
Course Title in English
Statistics
Course Type
General Courses
-
Eligible Students
All Schools
Target Grade
1Year
Course Numbering Code
IA9991GCA1
Credits
2.00Credits
The course numbering code represents the faculty managing the subject, the department of the target students, and the education category (liberal arts / specialized course). For detailed information, please download the separate manual from the upper right 'question mark'.
Type of Class
講義 (Lecture)
Eligible Year/Semester
Spring semester 2026
(Spring semester)
Instructor
福井 正博
Affiliation
非常勤講師
Language of Instruction
Japanese
Related SDGs
9
Office Hours and Location
講義終了後・講義室
Contact
メールアドレス（初回の授業資料に記載）

Corresponding Diploma Policy
A double circle indicates the most relevant DP number and a circle indicates the associated DP.
Corresponding Undergraduate School DP
ー
Corresponding Graduate School DP
ー
Corresponding University-Wide DP
1-1◎／4-2◎
Academic Goals of Teacher Training Course
ー

Course Objectives and Learning Outcome
【講義目的】統計学はあらゆる領域で必要不可欠であり、その修得においては、「必要なデータを正しく収集」、「正確に分析」、「適切な結論を導出」する力が極めて重要である。本講義では、統計学の基礎知識の習熟を通して、統計解析の有効性を知ることを目的とする。さらに、解析の前提と信ぴょう性を把握することにより統計解析の限界について理解する。
【到達目標】簡単なデータに対する統計的手法の適用とその結果の解釈を実践し、実際の問題に実用できるようになることを目標とする。

Subtitle and Keywords of the Class
サブタイトル：統計解析の有効性と限界を理解する
キーワード：平均・分散、母集団と標本、中心極限定理、区間推定、仮説検定

Course Overview and Schedule
【講義内容】平均や分散など基本的な統計指標から復習し、母集団と標本、母平均の区間推定、仮説検定の考え方・結果の捉え方等について講義する。
【授業計画】

１．ガイダンス／データの表現と扱い（度数分布表、ヒストグラム、代表値）

２．統計量の把握 （散布図、相関係数、回帰直線）

３．確率の公理（事象、余事象、排反、独立、ベイズの定理）

４．事象と組み合わせ（順列、組合せ、二項定理）

５．二項分布、ベルヌーイの大数の法則

６．確率変数と確率分布（平均、分散、二項分布、ポアソン分布）

７．多次元離散型確率分布（同時確率分布、共分散、相関係数）

８．連続型確率分布（連続的確率分布、一様分布、正規分布）

９．正規分布の確率（正規分布のグラフ表示、確率の算出）

１０．標本と乱数（標本と母集団、標本平均、標本分散、中心極限定理）

１１．標本分布（カイ２乗分布、Ｆ分布、ｔ分布）

１２．推定の基礎（統計量の推定、最尤法、最尤推定量）

１３．区間推定（区間推定、信頼係数、信頼区間）

１４．統計的仮説検定（ 仮説検定、過誤、実験データの信頼度）

１５．まとめ

定期試験

　上記の計画に沿って講義を進める予定であるが、進捗状況によって変更もあり得る。

※パソコンの利用：５回目以降でMATLAB,EXCELプロジェクトを実施する回は使用予定（講義中に指示）

※定期試験は教科書の持ち込みを許可する

In-person/Remote Classification
In-person
Implementation Method and Remote Credit Limit Application
・対面授業のみ
・遠隔授業単位上限の適用を受けない
Uses of Generative AI
Fully permitted
Precautions for using Generative AI
生成ＡＩの利用にあたっては『本学の教育における生成ＡＩの取扱いについて（学生向け）』の記載内容について留意すること。その上で、この授業においては、授業内、予習復習、レポート等を含む成果物作成等について生成ＡＩの利用を全面的に許可しており、生成ＡＩの利用について制限を設けないが、生成ＡＩによる出力結果をそのまま課題・レポートとして提出してはならない。生成ＡＩの出力した内容について、事実関係の確認や出典・参考文献を確認・追記することが重要である。
Textbook

「工学系のための確率統計—MATLABとExcelによる実践入門—」共立出版、福井正博著

References
必要に応じて適宜授業中に指示する。
Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)
【予習】授業に際して指定された教科書の該当部分を事前読み込み（20ｈ）
【復習】講義内容の理解を深めて定着させるために授業中取った自分のノートの読み返し（30h）。課題レポート（３回、10h）


Contents of Active Learning
該当しない。
Grading Criteria and Methods
【成績評価の基準】授業中説明した統計学の基礎理論を十分理解し、与えられた問題に対して正しく適用でき、その計算結果を正しく評価できる者に単位を授与する。
　講義目的・到達目標に記載する能力（知識・技能、思考力、判断力、表現力等）の到達度に応じてSからCまで成績を与える。
【成績評価の方法】原則として定期試験の得点に基づいて判定する。
ただし、課題の提出状況等により最大30%を限度として加点評価する場合がある。

How to Disclose Assignments and Exam Results
課題および定期試験の模範解答はUNIVERSAL　PASSPORTにて開示する。


Precautions and Requirements for Course Registration
ノートPCを用意してください
Practical Education
該当しない


Remarks
In cases where any differences arise between the English version and the original Japanese version, the Japanese version shall prevail as the official authoritative version.