確率・統計演習（Exercises of Probability andStatistics）[3480]

＜学位授与の方針＞

○	1. 基礎知識の習得
○	2. 専門分野知識の習得
◎	3. 汎用的問題解決技能
○	4. 道徳的態度と社会性
	5. 創成能力

＜授業のねらい＞

「確率・統計I」と「確率・統計II」で学んだ統計解析の方法について、具体的に計算機を用いて手順を体験することで具体的なデータ解析技術を習得すると共に統計解析の考え方や適用範囲に関してより深く理解する。

＜受講にあたっての前提条件＞

「確率・統計�T」「確率・統計�U」を履修していること。

＜具体的な到達目標＞

・計算機を用いて基本的なデータ処理を行うことができる
・数値実験により中心極限定理などを実際に体験し統計理論の内容をより深く理解する
・与えられたデータについて適切な検定や推定を行う事ができる
・統計解析の結果についてのわかりやすいグラフを作成する事ができる
・具体的な事例に触れることで統計学の広がりについて知る

＜授業計画及び準備学習＞

授業計画
1. 計算機を利用した統計解析の基礎
　Python を用いた統計解析の統合環境 (WinPython) の基礎的な扱い方を知る
2. 基本的なグラフの作成
　データからヒストグラム，棒グラフ，散布図などを作成する
3. 確率と乱数
　様々な確率分布に基づく乱数を生成し統計量を求めグラフを作成する
4. 標本平均に関するシミュレーション（中心極限定理）
　同一の母集団から得られる標本の平均値をシミュレーションする
5. 散布図と相関・回帰
　２変数データの相関係数を求め，散布図上に回帰直線を表示する
6. 相関に関するシミュレーション（相関，独立性，線形性）
　２変数の確率分布を用いてデータを生成し散布図と相関係数および回帰直線について考察する
7. 推定と検定（t 検定， U 検定，etc）
　平均値の区間推定と平均値の差の検定を行う
8. 確率的なゲームの戦略シミュレーション
　モンティパイソン問題の例などいくつかの確率に関するゲームをシミュレーションする
9. オープンデータの利用
　公開されているデータなどを読み込み際の手順について学び，実際に解析を行う
10. 多変量データの処理
　クロス集計など多変量データ特有の統計を行う
11. 確率モデル
　statsmodels ライブラリにおける確率モデルの扱い方
12. 分散分析
　具体的な事例を使って分散分析を行い結果に関する評価を行う
13. 重回帰分析
　具体的な事例を使って重回帰分析を行い結果に関する評価を行う
14. 最尤推定・MAP推定・ベイズ推定
　プログラミングによる一般的なパラメータ推定，モデル推定について体験する
15. 総合課題
　１４回までの内容を踏まえたレポートを作成する

＜成績評価方法＞

・「演習に出席し課題へ取り組みプログラムとレポートを提出する」事に対して各回８点満点で評価
・各回評価の合計を総合評価とし、合計が100点を超えた場合は100点とする
・評価は主に課題に取り組んだ内容がレポートに十分に記述されているかに基づいて行う

＜教科書＞

特になし

＜参考書＞

Bruce Frey 「STATISTICS HACKS」
　ISBN　978-4-87311-335-7
　出版社　オライリー・ジャパン
身近な話題と確率・統計を結びつけて様々なテーマを紹介している。
課題の多くはこの参考書から取り上げる予定である。

Wes McKinney「Pythonによるデータ分析入門」
　ISBN　978-4-87311-655-6
　出版社　オライリー・ジャパン
演習で利用する Python - Pandas ライブラリの詳細な利用方法を理解したい場合の参考に。

栗原伸一「入門統計学」
　ISBN: 978-4-274-06855-3
　出版社: オーム社

足立浩平「多変量データ解析法」
　ISBN　978-4-7795-0057-2
　出版社　ナカニシヤ出版

＜オフィスアワー＞

居室: A1516　時間: 随時
メール(jt13456@ns.kogakuin.ac.jp)などでアポイントを取るように

＜備 考＞

演習室を使用する都合上、受講希望人数によっては履修制限を設ける可能性があるため、
履修希望者は本科目の受講条件にある「確率統計�U」の初回授業の冒頭から必ず出席し、仮登録を行うこと。

履修制限を行う場合や演習室のPCが不足した場合には仮登録を行った学生が優先される。
＜2015/09/01 追記＞