| 年度 |
2026年度 |
開講部局 |
情報科学部 |
| 講義コード |
KA217001 |
科目区分 |
専門教育科目 |
| 授業科目名 |
ノンパラメトリック解析 |
授業科目名
（フリガナ） |
ノンパラメトリックカイセキ |
| 英文授業科目名 |
Nonparametric analysis |
| 担当教員名 |
LOU YANG |
担当教員名
(フリガナ) |
ロウ ヤン |
| 開講キャンパス |
東広島 |
開設期 |
3年次生 前期 ２ターム |
| 曜日・時限・講義室 |
(2T) 水5-8：総K211 |
| 授業の方法 |
講義 |
授業の方法
【詳細情報】 |
対面, オンライン（オンデマンド型） |
This is a lecture-based class, primarily held in person, with online (on demand) sessions available only in special situations, such as severe weather, the instructor’s business trip, or other exceptional circumstances.
The first lesson will be conducted in person. |
| 単位 |
2.0 |
週時間 |
4 |
使用言語 |
E
:
英語 |
| 学習の段階 |
3
:
中級レベル
|
| 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 |
|
| 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．
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．
知能科学プログラム
（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． |
|---|
| 授業の目標・概要等 |
The course introduces core concepts and methods of nonparametric analysis, focusing on statistical inference without parametric assumptions and practical applications to real data. |
| 授業計画 |
第1回 Foundations of Statistical Inference
第2回 Parametric vs Nonparametric Inference
第3回 Permutation Logic and Binomial Tests
第4回 Order Statistics, Ranks, and Data Exploration
第5回 Single Sample Inference: The Sign Test
第6回 Rank Based Inference for Medians
第7回 Scores, Robustness, and Test Comparisons
第8回 Empirical Distribution Functions and Distributional Tests
第9回 Dichotomous Data, Trend, and Randomness
第10回 Paired Samples and Matched Designs
第11回 Two Independent Samples: Location Inference
第12回 Two Independent Samples: Beyond Location
第13回 Three or More Samples
第14回 Structured Data and Survival Analysis
第15回 Correlation, Concordance, and Synthesis |
| 教科書・参考書等 |
N. C. Smeeton, N. H. Spencer, and P. Sprent. Applied Nonparametric Statistical Methods, (Fifth Edition). New York, NY, USA: Chapman and Hall/CRC, 2025. |
授業で使用する
メディア・機器等 |
テキスト, 配付資料, moodle |
| 【詳細情報】 |
|
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 |
1. Each lesson's materials (e.g., slides provided by the instructor) should be reviewed both before and after class.
2. The meaning of all English technical terms should be understood before class. |
履修上の注意
受講条件等 |
Prior coursework in inferential statistics is desirable, along with a working background in either R or Python programming. |
| 成績評価の基準等 |
The grade will be based on the following two components:
1. in‑class tests, and
2. a final report. |
| 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 |
Please bring your own PC, as we will be doing exercises. |
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。 |