English

年度	2026年度	開講部局	教育学部
講義コード	CC221503	科目区分	専門教育科目
授業科目名	数理統計学概論
授業科目名 （フリガナ）	スウリトウケイガクガイロン
英文授業科目名	Descriptive Statistics
担当教員名	門田　麗
担当教員名 (フリガナ)	モンデン　レイ
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：教K201
授業の方法	講義	授業の方法 【詳細情報】	対面
			講義中心，板書多用
単位	2.0	週時間	4	使用言語	J : 日本語
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	数理統計学の基礎
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）	数学教育学プログラム （知識・理解） ・数学教育の教科内容に関する基本的な知識を理解する。 （能力・技能） ・数学教育の代数，幾何，解析，統計，コンピュータなどの教科内容に関する数学的な思考力を身に付け，活用することができる。 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	統計学に関する教育や指導能力を高める． 数理統計学の基礎知識を習得する． 統計学に関する数学的な思考力や独特な考え方を身に付ける． 実データ解析への応用感覚を身に付ける．
授業計画	第1回：ガイダンス，統計学とは，データと標本抽出 第2回：度数分布 第3回：中心の特性値 第4回：ばらつきの特性値 第5回：相関 第6回：回帰 第7回：確率，離散型確率分布 第8回：連続型確率分布 第9回：標本分布1 第10回：標本分布2 第11回：点推定 第12回：区間推定1 第13回：区間推定2 第14回：仮説検定 第15回：試験 レポートを１回と期末試験を行います.
教科書・参考書等	授業は配布資料に基づき進めるため, 教科書は使用しない. ただし, 以下の参考書は授業の理解を助けるので, 適宜参照するのが望ましい. 統計学入門 (基礎統計学Ⅰ)
授業で使用する メディア・機器等	配付資料, Microsoft Teams, moodle
	【詳細情報】	テキスト，配付資料，映像（PC）
授業で取り入れる 学習手法	小テスト／ クイズ形式, 授業後レポート
予習・復習への アドバイス	数理統計学では数式を順番に解いていくだけではなく，データに対する統計学の考え方を理解しなければいけません．ゆえに解いた数式は統計学の知識がなければ理解できないことがあります．講義を通して統計学の考え方を理解し，各自の予習や復習にあたってください．講義形態は基本的に対面のみです. 授業外学修として，予習では配布資料の該当箇所を読み，基本用語・定義・定理を確認しておいてください. 復習では，講義で扱った数式や例題を自分で解き直し，その意味を説明できるようにすることが望まれます. また，計算方法だけでなく，それがどのような統計学的考え方に基づいているのかを意識して学習してください.
履修上の注意 受講条件等	なし.
成績評価の基準等	レポート(40%), 最終試験(55%), 授業への参加態度(5%)により評価
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。