| 年度 |
2025年度 |
開講部局 |
情報科学部 |
| 講義コード |
KA112001 |
科目区分 |
専門教育科目 |
| 授業科目名 |
推測統計学 |
授業科目名
（フリガナ） |
スイソクトウケイガク |
| 英文授業科目名 |
Inferential Statistics |
| 担当教員名 |
伊森 晋平 |
担当教員名
(フリガナ) |
イモリ シンペイ |
| 開講キャンパス |
東広島 |
開設期 |
2年次生 前期 １ターム |
| 曜日・時限・講義室 |
(1T) 火5-8：オンライン |
| 授業の方法 |
講義 |
授業の方法
【詳細情報】 |
オンライン（同時双方向型） |
| 講義中心，板書多用，Teams |
| 単位 |
2.0 |
週時間 |
4 |
使用言語 |
B
:
日本語・英語 |
| 学習の段階 |
2
:
初級レベル
|
| 学問分野（分野） |
25
:
理工学 |
| 学問分野（分科） |
01
:
数学・統計学 |
| 対象学生 |
|
| 授業のキーワード |
確率変数・確率分布・点推定・区間推定 |
| 教職専門科目 |
|
教科専門科目 |
|
プログラムの中での
この授業科目の位置づけ
（学部生対象科目のみ） | |
|---|
到達度評価
の評価項目
（学部生対象科目のみ） | 計算機科学プログラム
（能力・技能）
・A. 情報基盤の開発技術，情報処理技術，データを分析して新しい付加価値を生む技術．
・B. 新たな課題を自ら発見し，データに基づいた定量的かつ論理的な思考と，多角的視野と高度な情報処理・分析により，課題を解決する能力．
データ科学プログラム
（知識・理解）
・D1. 統計とデータ解析の理論体系を理解し，ビッグデータの質的／量的情報を的確かつ効率的に分析するための知識と能力．
（能力・技能）
・A. 情報基盤の開発技術，情報処理技術，データを分析して新しい付加価値を生む技術．
・B. 新たな課題を自ら発見し，データに基づいた定量的かつ論理的な思考と，多角的視野と高度な情報処理・分析により，課題を解決する能力．
知能科学プログラム
（知識・理解）
・D1. 人間が持つ高度な知能とその計算機による実現についての体系的な深い理解．
（能力・技能）
・A. 情報基盤の開発技術，情報処理技術，データを分析して新しい付加価値を生む技術．
・B. 新たな課題を自ら発見し，データに基づいた定量的かつ論理的な思考と，多角的視野と高度な情報処理・分析により，課題を解決する能力． |
|---|
| 授業の目標・概要等 |
推測統計学の基礎を学ぶ． |
| 授業計画 |
第1回 母集団と統計モデル
第2回 確率変数
第3回 期待値
第4回 色々な確率分布
第5回 確率変数の収束
第6回 演習
第7回 点推定
第8回 推定量の良さの基準：不偏性・分散・平均二乗誤差
第9回 推定量の良さの基準：一致性
第10回 推定量の良さの基準：漸近正規性
第11回 最小二乗法
第12回 最尤法
第13回 区間推定
第14回 演習
第15回 まとめ
期末試験
授業の進捗に応じて授業計画は変わることがあります． |
| 教科書・参考書等 |
特に指定しない． |
授業で使用する
メディア・機器等 |
Microsoft Teams, moodle |
| 【詳細情報】 |
PC |
授業で取り入れる
学習手法 |
|
予習・復習への
アドバイス |
毎回アンケートを取る予定なので，不明な点などあればなんでも聞いてください． |
履修上の注意
受講条件等 |
|
| 成績評価の基準等 |
授業参加態度（40%）および期末試験（60%）により評価する． |
| 実務経験 |
|
実務経験の概要と
それに基づく授業内容 |
|
| メッセージ |
|
| その他 |
|
すべての授業科目において，授業改善アンケートを実施していますので，回答に協力してください。
回答に対しては教員からコメントを入力しており，今後の改善につなげていきます。 |