到達目標
(1) 平均・中央値・分散・標準偏差・度数分布表を説明できる.
(2) 確率変数と確率分布を説明できる.
(3) 二項分布・ポアソン分布を説明できる.
ルーブリック
| 理想的な到達レベルの目安 | 標準的な到達レベルの目安 | 未到達レベルの目安 |
評価項目1 | 平均・中央値・分散・標準偏差・度数分布表を自分で適切に説明・計算できる. | 平均・中央値・分散・標準偏差・度数分布表を計算できる. | 平均・中央値・分散・標準偏差・度数分布表を計算できない. |
評価項目2 | 確率変数と確率分布を自分で適切に説明・計算できる. | 確率変数と確率分布を計算できる. | 確率変数と確率分布を計算できない. |
評価項目3 | 二項分布・ポアソン分布を自分で適切に説明・計算できる. | 二項分布・ポアソン分布を計算できる. | 二項分布・ポアソン分布を計算できない. |
学科の到達目標項目との関係
教育方法等
概要:
(1) IoT・AI・数理・データサイエンスにおけるデータ分析に必要となる統計の基本について学修する.
(2) 確率の基本について学修する.
授業の進め方・方法:
(1) 与えられた課題に対して,暗記するだけに留まらず,課題の本質を理解し,それに対して分析・考察し,解決するための方法を自ら考えること.
(2) 積み上げ方式の授業なので,前の時間までの授業内容を理解するために復習を行い授業に臨むこと.
(3) 学習内容についてわからないことがあれば,積極的に質問すること.
(4) 適宜,定期試験の扱いで確認試験を実施する.
(5) 授業後に,板書に相当するノートを公開する.
注意点:
授業の属性・履修上の区分
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
前期 |
1stQ |
1週 |
データの整理 |
度数分布表・ヒストグラム・階級・階級値・度数・相対度数・ 代表値(平均・中央値)を説明・計算できる
|
2週 |
データの整理 |
分散・標準偏差を説明・計算でき,その性質を説明できる.
|
3週 |
データの整理 |
分散・標準偏差を説明・計算でき,その性質を説明できる.
|
4週 |
データの整理 |
2次元データにおいて,相関・回帰直線を説明・計算できる.
|
5週 |
データの整理 |
2次元データにおいて,相関・回帰直線を説明・計算できる.
|
6週 |
確率 |
試行と事象,確率の意味と性質を説明できる.
|
7週 |
確率 |
条件付き確率を説明・計算できる.ベイズの定理を用いた計算ができる.
|
8週 |
確率 |
条件付き確率を説明・計算できる.ベイズの定理を用いた計算ができる.
|
2ndQ |
9週 |
確率 |
条件付き確率を説明・計算できる.ベイズの定理を用いた計算ができる.
|
10週 |
確率 |
離散型と連続型の確率変数と確率分布について説明できる.
|
11週 |
確率 |
二項分布とポアソン分布を説明・計算できる.
|
12週 |
確率 |
二項分布とポアソン分布を説明・計算できる.
|
13週 |
確率 |
二項分布と正規分布の関係を説明できる.
|
14週 |
確率 |
二項分布と正規分布の関係を説明できる.
|
15週 |
総復習 |
|
16週 |
学年末試験答案返却・解説 |
|
評価割合
| 試験 | 合計 |
総合評価割合 | 100 | 100 |
基礎的能力 | 70 | 70 |
専門的能力 | 30 | 30 |
分野横断的能力 | 0 | 0 |