学部・大学院区分
Undergraduate / Graduate

理・博前

時間割コード
Registration Code

2600022

科目区分
Course Category

データサイエンス科目群
Data Science Classes

科目名　【日本語】
Course Title

統計・データ解析基礎

科目名　【英語】
Course Title

Basics of Statistics and Data Analysis

コースナンバリングコード
Course Numbering Code

担当教員　【日本語】
Instructor

奥村曉 ○

担当教員　【英語】
Instructor

OKUMURA Akira ○

単位数
Credits

開講期・開講時間帯
Term / Day / Period

春集中その他その他
Intensive(Spring) Other Other

授業形態
Course style

講義
Lecture

学科・専攻
Department / Program

理学専攻

必修・選択
Required / Selected

選択

授業の目的　【日本語】
Goals of the Course(JPN)

宇宙素粒子物理学およびその周辺分野に関係する実験データの取り扱いの基礎を体系的に学ぶ。測定に伴う誤差や物理量の推定にいたる数学的な背景を取り扱う。これにより、特に実験系の修士課程初年度で必要となる統計学的なデータ処理や考え方を習得し、実際の実験やデータ解析に活用できるようになることを目的とする。また講義で使用する Python 言語の基本も習得してもらう。

授業の目的　【英語】
Goals of the Course

General and basic knowledge of handling and analyzing data in astroparticle physics and surrounding fields will be taught. Understanding the errors and estimates that appear in physics measurements will be explained together with their mathematical background. Students will learn how to handle physics data statistically and are expected to use the knowledge in their experimental research in the first year of the master course. At the same time, basic knowledge of the Python language will be taught.

到達目標　【日本語】
Objectives of the Course(JPN))

最尤法を用いた実験データのフィットや有意度の数学的な考え方を理解し、実際の測定データ例を Python を用いて解析し、得られる物理推定量や誤差について議論できるようになることを目標とする。また確率分布や検定といった、統計学の基本となる考え方を習得してもらう。

到達目標　【英語】
Objectives of the Course

The goal of this class is to acquire skills to statistically analyze physics data by using Python, to discuss its estimates and errors, and to understand mathematical and statistical background such as maximum likelihood and significance. Several probability distributions and tests need be understood as well.

授業の内容や構成
Course Content / Plan

※本科目は以下の変則的な日程で開講する。
4/17（水）3 限
4/23（火）3 限（ISEE 談話会のため、ここだけ火曜）
5/1（水）3・4 限
5/8（水）3・4 限
5/15（水）3・4 限

※This class will be held with the following irregular schedule.
April 17, Wed, 13:00–14:30
April 23, Tue, 13:00–14:30
May 1, Wed, 13:00–14:30, 14:45–16:15
May 8, Wed, 13:00–14:30, 14:45–16:15
May 15, Wed, 13:00–14:30, 14:45–16:15

1. Introduction and Preparation（導入と準備）
1.1 The Python language and Google Colab（Python 言語と Google Colab）
1.2 Python basics（Python の基礎）
1.3 Random number generation in Python（Python による乱数の生成）

2. Basics of Probability and Statistics（確率と統計の基礎）
2.1 Uniform distribution（一様分布）
2.2 Binomial distribution（二項分布）
2.3 Poisson distribution（ポアソン分布）
2.4 Normal distribution（ガウス分布）
2.5 Exponential distribution（指数分布）
2.6 Statistic（統計量）

3. Maximum likelihood（最尤法）
3.1 Maximum likelihood（最尤法）
3.2 Least square method（最小二乗法）
3.3 Minimization（最小化）
3.4 Chi-square distribution and significance （χ²分布と有意度）
3.5 Delta log likelihood （ΔLogL）
3.6 Chi-square test （χ²検定）
3.7 Upper limit（上限値）

4. Visualization
4.1 Histogram（ヒストグラム）
4.2 Error bars（誤差棒）

5. Practical topics（実践的な話題）

履修条件
Course Prerequisites

名古屋大学大学院学生
Graduate Students at Nagoya University