Probability and Statistics

Course Title

Course Title in English

Probability and Statistics

Course Type

Basic specialized courses (Specialization-related courses)

−

Eligible Students

School of Social Information Science

Target Grade

All

Course Numbering Code

KCJBS1MCA1

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

Fall semester 2026

(Fall semester)

Instructor

土方嘉徳

Affiliation

社会情報科学部

Language of Instruction

Japanese

Related SDGs

9

Office Hours and Location

講義後に教室、または月曜日4限教員研究室

Contact

hijikata@gsis.u-hyogo.ac.jp

Corresponding Diploma Policy

A double circle indicates the most relevant DP number and a circle indicates the associated DP.

Corresponding Undergraduate School DP

1◎／3〇

Corresponding Graduate School DP

ー

Corresponding University-Wide DP

N/a

Academic Goals of Teacher Training Course

ー

Course Objectives and Learning Outcome

講義目的：
　記述統計における要約手法、統計学の基礎となる確率変数や確率分布、推測統計における統計的推定や仮説検定（標本分布を含む）、および相関分析・回帰分析を学ぶ。
到達目標：
・記述統計に関するデータの要約を行える
・確率の計算ができる
・確率分布の計算ができる
・標本分布の計算ができる
・母数(母比率と母平均)の区間推定ができる
・母数(母比率と母平均)の統計的仮説検定ができる
・相関分析と回帰分析の原理の説明と計算ができる

Subtitle and Keywords of the Class

Course Overview and Schedule

Ⅰ講義内容
記述統計学に必要な要約手法について説明する。次に確率や確率分布の基礎について説明する。続いて、観測データから母集団の性質を推測するための代表的な方法論である推定と検定について説明する。最初に推定と検定の学習に必要な、標本分布の考え方について説明する。推定では、点推定と区間推定の考え方を理解し、推定を行う具体的な方法を学ぶ。検定では、統計的仮説検定の考え方を理解し、検定を行う具体的な手順を学ぶ。最後に、2変数の間の関係について明らかにする相関分析と重回帰分析について説明する。授業は、講義と演習（宿題）で構成され、演習にて達成目標が達成できるようにスキルを身に着ける。

Ⅱ授業計画
（各トピックは進行の目安であり多少の前後や他の話題の講義がある。）
第1章：平均・分散・度数分布
　1. 尺度水準と代表値
　2. 分散と標準化
第2章：事象と確率
　3. 条件付確率とベイズの定理
第3章：確率変数と確率分布
　4. 確率変数の期待値と分散・モーメント
　5. 二項分布とポアソン分布
　6. 指数分布と正規分布
第4章：標本分布
　7. 標本分布と中心極限定理
　8. t分布とカイ二乗分布
第5章：推定
　9. 比率・母平均・母分散の推定
第6章：検定
　10. 検定の手順と比率・平均値の検定
　11. 比率の差と平均値の差の検定
第7章：相関分析と回帰分析
　12. 共分散と相関係数
　13. 連関とクラメールの連関係数
　14. 回帰分析と決定係数
　15. まとめと発展的話題

In-person/Remote Classification

In-person

Implementation Method and Remote Credit Limit Application

Uses of Generative AI

Limited permission for use

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。生成ＡＩの利用については担当教員の指示に従うこと。教員が認める範囲を超えて生成ＡＩを利用したことが判明した場合は、単位を認定しない、又は認定を取り消すことがある。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。また、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。

Textbook

講義資料と演習資料をユニバーサルパスポートにて提供する。

References

宮川公男：基本統計学第4版，有斐閣 (1977)

Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)

授業の予習・復習 (15h), 演習課題 (25h), 試験勉強 (20h)

Contents of Active Learning

授業中に出される演習について学生が主体的に取り組む。演習中は、周りの学生との議論を許すことで、解法やその理論的背景について教えあうことで理解を深める。

Grading Criteria and Methods

成績評価の基準：
　到達目標に記載する能力の到達度に基づき、S（90点以上）, Ａ（80 点以上）, B（70 点以上）, C（60 点以上）による成績評価のうえ、単位を付与する。
成績評価の方法：
　演習（宿題）20%、定期試験80%

How to Disclose Assignments and Exam Results

定期試験の結果は、授業評価アンケートの教員コメント欄に試験結果に関するコメントもあわせて記載する。

Precautions and Requirements for Course Registration

・本科目は、演習科目扱いとなる。授業開始時に、出席確認を行う。4回以上欠席した時点で、単位は「不可」となる。
・演習中に、教員により巡回と個別指導を行うため、教室の前方に着席すること。原則、指定範囲以外への着席（すなわち後方への着席）は、認めない。
・授業中の私語は慎むこと。私語が収まらない限り講義は開始しない。また、注意しても聞かない場合は、教室からの退出を命ずる。
・演習（宿題）は紙媒体で出題する。提出も紙媒体で行うこと。紙媒体以外での提出は認めない。
・宿題の提出は、授業開始時のみ受け付ける。開始時に間に合わなかった場合は、提出遅れ扱いとなる。
・講義資料はユニバーサルパスポートにて配布される。事前に、紙に印刷してくるか、タブレットにダウンロードしてくること。講義資料には、学生に書いてもらう空欄が用意してあるので、手書きで追記できる媒体を用いることが望ましい。
・演習（宿題）の解答は、その略解をユニバーサルパスポートにて配布する。各自で答え合わせをすること。

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.

Syllabus data