シラバス参照
|
シラバス参照
|
| 講義概要/Course Information |
| 科目基礎情報/General Information |
| 授業科目名 /Course title (Japanese) |
確率統計 | ||
|---|---|---|---|
| 英文授業科目名 /Course title (English) |
Probability and Statistics | ||
| 科目番号 /Code |
MTH402s | ||
| 開講年度 /Academic year |
2021年度 | 開講年次 /Year offered |
2/3/4 |
| 開講学期 /Semester(s) offered |
後学期 | 開講コース・課程 /Faculty offering the course |
情報理工学域 |
| 授業の方法 /Teaching method |
講義 | 単位数 /Credits |
2 |
| 科目区分 /Category |
専門科目 | ||
| 開講類・専攻 /Cluster/Department |
先端工学基礎課程 | ||
| 担当教員名 /Lecturer(s) |
山本（渉）・金 | ||
| 居室 /Office |
西5号館 | ||
| 公開E-mail |
学務情報システムにログイン後のシラバスに記載しています | ||
| 授業関連Webページ /Course website |
Google Classroom上のクラス | ||
| 更新日 /Last update |
2021/09/28 16:13:33 | 更新状況 /Update status |
公開中 /now open to public |
| 講義情報/Course Description |
| 主題および 達成目標（2,000文字以内） /Themes and goals（up to 2,000 letters） |
本講義では，確率論の基礎を学んだ上で統計学の入門について学習し，確率・統計の諸概念が運用できる基礎力を養うことを目標とする． |
|---|---|
| 前もって履修 しておくべき科目（1,000文字以内） /Prerequisites（up to 1,000 letters） |
基礎微分積分学第一，第二 |
| 前もって履修しておくこ とが望ましい科目（1,000文字以内） /Recommended prerequisites and preparation（up to 1,000 letters） |
ベクトルと行列第一，第二 |
| 教科書等（1,000文字以内） /Course textbooks and materials（up to 1,000 letters） |
藤澤洋徳 (2006) 「確率と統計」朝倉書店. |
| 授業内容と その進め方（2,000文字以内） /Course outline and weekly schedule（up to 2,000 letters） |
昨年度は遠隔授業でしたので、「Pythonで理解する統計解析の基礎」(谷合廣紀・著，辻真吾・監修)を教科書に指定して講義を行いました。今年度は遠隔か対面かまだ分かりません。でも７月現在、学生へのワクチン接種の機会の提供が計画されているので、対面を前提に授業の準備を進めることにします。 下記の内容は古いです。適宜更新するようにします。 Jose Unpingco (著), 石井 一夫 (翻訳), 加藤 公一 (翻訳), 小川 史恵 (翻訳) 著『科学技術計算のためのPython―確率・統計・機械学習』 （エヌ・ティー・エス）を教科書にする場合の想定です。 (a) 授業内容 第 1回：Python環境の準備と初歩の初歩 第 2回：Python言語の入門 第 3回：確率／写像法／写像としての条件付き期待値／条件付き期待値と平均二乗誤差／条件付き期待値と平均二乗誤差最適化の実施例 第 4回：情報エントロピー／積率母関数／モンテカルロサンプリング法／有用な不等式 第 5回：統計／統計用Pythonモジュール／収束の種類／最尤推定法を用いた推定 第 6回：仮説検定とP値／信頼区間 第 7回：線形回帰／最大事後確率／ロバスト統計 第 8回：ブートストラッピング 第 9回：ガウス=マルコフの定理／ノンパラメトリック法 第10回：機械学習／Pythonの機械学習モジュール／学習の理論 第11回：決定木／ロジスティック回帰 第12回：正則化／サポートベクトルマシン 第13回：次元削減／クラスタリング 第14回：アンサンブル手法 第15回：最終課題 (b) 授業の進め方 授業はZoomによる講義を録画して公開するが、教科書を提示して説明する動画は１週間のみ．ほぼ毎回、演習問題を与えて取り組ませる．講義中にGoogle Colaboratoryで作成するノートはそのまま公開する． |
| 実務経験を活かした 授業内容 (実務経験内容も含む) /Course content utilizing practical experience |
|
| 授業時間外の学習 （予習・復習等）（1,000文字以内） /Preparation and review outside class（up to 1,000 letters） |
講義で与えた課題問題を必ず解いて復習すること． |
| 成績評価方法 および評価基準 （最低達成基準を含む） （1,000文字以内） /Evaluation and grading （up to 1,000 letters） |
評価は，毎回のレポート演習への取り組みに基づいて判定する． 合格の最低基準は，演習課題の復習問題や同レベルの類題を解くことができる学力を身につけたかどうかである． |
| オフィスアワー： 授業相談（1,000文字以内） /Office hours（up to 1,000 letters） |
Google Classroom上にて． |
| 学生へのメッセージ（1,000文字以内） /Message for students（up to 1,000 letters） |
数学を理解するには，とにかく紙と鉛筆を使って計算してみることである．できるだけ多くの問題を解いてみることを望む． |
| その他 /Others |
確率統計はUECクラウドアカウントでログインした後のGoogle Classroomを用います。 https://classroom.google.com/ にアクセスして、クラスコード vbumd2h を用いて、クラス登録してください。毎回の講義に用いる資料や、ZoomミーティングのコードもGoogle Classroomの中のクラスでお伝えします。(2021.09.28更新) |
| キーワード /Keywords |
確率，確率変数，確率分布，モーメント，大数の法則，中心極限定理 |