DS演習I

推測統計学の手法を理解し、Pythonの解析プログラムを作成できるようになることを目指す。
この演習では、Pythonプログラムによってデータの読み書き・操作を行い、様々なデータなどを用いて、基本の統計量の計算、各種の仮説検定、分散分析の操作過程を練習する。

1.統計学基礎知識を理解できるようになる
2.pythonプログラムによって基本統計量の計算をできるようになる
3.pythonプログラムによって仮説検定をできるようになる
4.pythonプログラムによって分散分析をできるようになる

本講義は、第1回と第15回をオンデマンド形式で実施する。
第1回 イントロダクション、確率の復習【オンデマンド】（※時期は最初の週を想定。オンデマンド回のリンク等詳細はSlackやmoocs等で別途連絡する。）
第2回 条件付き確率とベイズの定理
第3回 確率分布、確率変数の期待値と分散、モーメント、標準化、チェビシェフ不等式
第4回 離散型の確率分布(二項分布、ポアソン分布、超幾何分布)、連続型の確率分布(正規分布、指数分布、t分布)
第5回 統計的推定①：最尤推定
第6回 統計的推定②：KL情報量
第7回 Pythonによる母平均の区間推定
第8回 前半まとめ
第9回 仮説検定の考え方
第10回 平均の検定
第11回 平均の差の検定
第12回 そのほかの検定統計量の分布（F分布、カイ二乗分布）、様々な仮説検定（二項検定、適合度検定、独立性の検定）
第13回 一元配置分散分析
第14回 多重比較
第15回 二元配置分散分析【オンデマンド】（※時期は最終週を想定。オンデマンド回のリンク等詳細はSlackやmoocs等で別途連絡する。）

シミュレーションデータ、ビジネスデータ、自然科学のデータを用いて、統計学理論の応用、仮説検定、分散分析の操作に取り組む。オンデマンド回については、Slackを通じて質問に対応する。

資料、サンプルコードを用いて事前学習を行って頂きたい。また授業後は、課された課題および資料、サンプルコードを用いた復習を行って頂きたい。学習時間目安：事前学習90分、事後学習60分程度。

課題などの提出状況とその内容、講義への積極的な参加（含、出席日数）をもとに評価を行う。
およその目安は以下：理解度小テストやミニクイズ：約50%、課題提出：約40％、講義への積極的な取り組み等：約10%

「DS基礎」を履修していることが望ましい。履修していない場合には、MOOCsなどを活用して自学自習することを強く推奨する。

テキストは使用しない。配布資料を使用。

講義の中で適宜紹介する.

「DS基礎」
「情報連携のための確率・統計学I/II」

オンデマンド回の詳細は別途Slack,moocs等でアナウンスする。

https://moocs.iniad.org/courses/2025/INI203 

＜本学の授業について＞
　本学では、13週の通常授業期間内で13回の通常授業及び、その他に２回分のオンデマンド授業等を開講する形態を採用しています。各回の教室内授業は90分で実施され、合計15回分の授業時間を担保する講義スケジュールを基本としています。
※一部科目では、授業期間、授業回数および授業形態等が異なる場合がありますので、授業の詳細はシラバス等で必ず確認してください。

［注］
　教員の指導のもとで、事前・事後学習を含めて１単位45時間の学修時間を担保することが求められます。
　なお、本学では、大学設置基準等の法令に基づき、年間35週以上の授業日程（学年暦）を定め、通常授業期間のほかに、T-Weeksにおける特別授業期間、夏季・春季セッション期間における集中授業等を実施する授業日程としております。