大学教育の質の保証・向上ならびに 電子化及びオープンアクセスの推進の観点から 学校教育法第百十三条に基づき、 教育研究活動の状況を公表しています。
第百十三条 大学は、教育研究の成果の普及及び活用の促進に資するため、その教育研究活動の状況を公表するものとする。
🏠
🏠
A.
A.
A.実測値は真の値ではなく測定に誤差が発生する。 講義では10円玉と1円玉を掌に置き、電圧を測る作業を5回繰り返した。検流計の値は0.524～0.545の値をとった。平均値は0.53であり、分散は8.74×10^-3、シックスシグマ0.0524はであった。 また、計測値の平均を計算した場合、0.533であるが、実測を繰り返した場合、0.53に収束すると考えられる。 グループワークでは寝坊をしてしまった件について話し合った。ブレインストーミングを行い、何がダメだったのか、要因は何があったのかを話し合い、対策を立てた。ワールドカップが深夜にやっているため夜更かしをしてしまったというのが原因だったため、録画をするなどの対策がかんがえられた。 測定値のデータの度数（回数）の表はヒストグラムで表される。度数分布形のグラフで表される。 また著しく測定値の差が大きい場合、平均値は大きい方の値に寄りやすく、意味を為さないため、最頻値や中央値を使う。
A.正規分布曲線とは、平均値を中心に左右対称な山型になる確率分布のグラフである。身長、テストの点数、製品の寸法エラーなどがこの分布に従う。フェルミ分布は、電子などのフェルミ粒子と呼ばれるミクロな粒子が、あるエネルギー状態に存在する確率を表す統計力学の法則である。ことの時50%とはエネルギーの状態がフェルミ準位と一致しているときで、粒子がそこに存在する確率のことである。シックスシグマではエラーや製造のランダムなばらつきを正規分布で扱うが、フェルミ分布は温度による電子のエネルギーのばらつきを扱う。流速分布は速度の空間的な広がりであり確定しているものであるが、データのばらつき方の分布は不確定なものである。
A.まず，講義では，10円玉と1円玉の電圧を5回測定して平均値と標準偏差を算出した。5回の測定で得られた10円玉と1円玉の電圧は，0.563V，0.531V，0.500V，0.545V，0.524Vであった。そのため，平均値は0.533Vであり，標準偏差は0.01であった。ここで，測定には必ず誤差が生じるため，真の値というものを求めることはできない。そこで，誰でも再現できることが重要となっている。 続いて，ワークショップでは，男性の身長におけるヒストグラムを作成して議論をした。男性の身長の平均値は163.5であり，標準偏差は16.5であった。また，母数を10，100，1000，10000と変えると，ヒストグラムの形は中央が盛り上がった滑らかな山の形になった。そして，ヒストグラムでは，標本が少ないと，偏りが出てしまうことがわかった。 最後に，復習では，誤差と偏差と公差の違いについて考えた。誤差は，真の値または理論値と測定値の差のことである。偏差は，平均値または基準値と個々のデータの数値との差のことである。公差は，設計上の許容範囲のことであり最大値と最小値の差のことである。
A. 測定値の分布と確率分布について学んだ。測定値のばらつきは、縦軸に度数、横軸に測定値をとったヒストグラムで表すことができ、正規分布に近い形を示す場合がある。 粒子の大きさを表す方法には、通過率または残留率が50％となるメジアン径、頻度が最大となるモード径、粒径のばらつきを代表する平均粒径がある。粒径が一つに決まらず分布をもつ場合には、目的に応じて適切な代表値を選ぶ必要がある。 確率分布には、値を連続的にとる連続分布と、値が飛び飛びになる離散分布がある。連続型確率変数では確率密度関数によって分布を表す。代表的な分布として、分散の検定や適合度検定に用いられるχ?分布、母分散が未知の場合の平均の検定に用いられるt分布、二つの分散の比較や分散分析に用いられるF分布がある。また、すべての値が同じ確率で現れる分布を一様分布という。 物理化学では、粒子の性質に応じて異なる分布が用いられる。ボルツマン分布は古典的な粒子に適用され、低エネルギー状態ほど粒子が多くなる。ボース分布は光子など同じ状態に複数存在できる粒子に用いられ、フェルミ分布は電子など同じ状態に一つしか存在できない粒子に用いられる。 さらに、標本の標準偏差は s、母集団の標準偏差はσで表すことを学んだ。 「正規乱数のヒストグラムを描こう」というテーマに取り組んだ。乱数からヒストグラムを作成し、標準偏差を変化させた場合の分布の違いを比較した。その結果、標準偏差が大きくなるほどデータのばらつきが大きくなり、ヒストグラムの幅が広がることが分かった。また、標準偏差の違いによって正規分布の形状も変化し、ばらつきの程度を視覚的に確認することができた。 測定値にはばらつきがあり、その状態をヒストグラムや確率分布で表せることを理解した。これまで層流や乱流のように条件から状態を考える内容を扱ってきたが、今回の分布は、結果が一つに確定しない不確かな現象を数量的に扱うための考え方であると感じた。 また、χ?分布、t分布、F分布は形が異なるだけではなく、検定する対象や目的も異なることが分かった。物理化学で扱うボルツマン分布、ボース分布、フェルミ分布についても、粒子が同じ状態に存在できるかどうかによって使い分けられる点が重要だと考えた。今後は、実験データを見る際に平均値だけで判断せず、分布の形や標準偏差にも注目したい。
A.講義では、テスターを用いて0.531、0.545、0.524という三つの直流電圧を測定し、平均値と標準偏差から測定値のばらつきを評価した。平均値は（0.531＋0.545＋0.524）÷3＝0.5333となる。ノートの標準偏差0.00874は分母をnとした母標準偏差0.00873とほぼ一致するが、この三点を母集団から抽出した標本と考える場合にはn－1で割り、標本標準偏差は0.01069となる。（出典：『化学工学概論』p.241、『計量管理の基礎と応用』p.168） 授業課題では正規乱数を作成してヒストグラムを描き、標本数と分布形状の関係を確認した。30?60付近で度数が高い山型の分布となったが、標本数が少ない場合には左右非対称になったり、一部の階級だけが高くなったりする。標本数を増やすことで元の正規分布の形状をより明瞭に観察できるため、ヒストグラムを見る際には分布の形だけでなくデータ数も確認する必要がある。 復習ではカイ二乗分布について調べた。正規母集団から得た標本分散を用いて母分散を検定する場合、「カイ二乗値＝（n－1）×標本分散÷仮定した母分散」という関係を利用し、この値が自由度n－1のカイ二乗分布に従うことを利用する。平均値の検定ではt分布や正規分布を用いるのに対し、分散や標準偏差の検定ではカイ二乗分布を用いるため、推定したい母数によって確率分布を使い分ける必要がある。
A.【講義の再話】 本講義では、6σの考え方を使った電圧測定を行った。標本標準偏差や６σを用いた関数、フェルミ分については布視覚的に理解をした。フェルミ分布とは、電子などのフェルミ粒子が各エネルギー準位に占有される確率を示す理論式であり、パウリの排他律、温度依存性、フェルミエネルギーが主な特徴である。 【発表の要旨】 colabを用いて、グラフを描いた。年齢を21歳、性別を男性として、日本人の体重、標準偏差を選んだ。体重の平均値を64.8kg、標準偏差を13.9、母数を10,100,1000,10000と変えて、ヒストグラムの形がどう変わるか確かめた。1000に近づくほど正規分布に近づくのを確認できた。 【復習の内容】 誤差、偏差、公差の違いについて調べた。誤差:測定値や予測値と「真の値」との差。偏差:データ群の中で、個々の値が「平均値」からどれだけ離れているかを示すズレ。公差:製品の製造時などに許容される「誤差の最大値と最小値の幅」。誤差、偏差、公差を用いた文章を考えた。テストの点数が80点で、クラスの平均点が70点だった場合、この人の偏差は+10となる。図面に「シャフトの直径を10±0.1mmで作成せよ」と指示がある場合、公差は0.2mm（上限10.1mm?下限9.9mmの幅）である。体重計の表示が50.5kg（測定値）で、実際の体重が50.0kg（真の値）だった場合、+0.5kgが誤差になる。気体分子の速度分布について調べた。マクスウェル・ボルツマン速度分布曲線は、熱平衡状態にある気体分子の「速さ」と「その速さを持つ分子の割合」の関係を表す確率分布である。速さがゼロおよび非常に大きい領域では分子の割合はゼロに近づき、平均付近にピークを持つ非対称な曲線を描く。
A.①硬貨間の直流指示値を測定した結果、平均値は 0.533V、6σ は 0.0524Vであった。データのばらつきを捉える際、平均と標準偏差で記述する正規分布曲線に加え、分布形状を直接確認できるヒストグラムも併用される。特にデータが非対称な分布を示す場合、代表値として平均値だけでなく、中央値であるメジアンや最頻値であるモード（あるいはメジアン径等）が用いられ、測定結果の傾向や偏りをより正確に把握できる。 ②正規乱数を発生させ、その分布状況を確認するためにヒストグラムを作成した。生成したデータ群の分布は、中央の平均値付近が最も高く左右に広がる山型の形状を描いた。データ数が少ない段階ではサンプリングによる偶然誤差の影響で凹凸が生じるが、データ数を増やす（試行回数を重ねる）ことで大数の法則に基づき理論的な正規分布曲線へ収束する。これにより、乱数データの客観的な傾向やばらつきの評価が可能となる。 ③誤差・偏差・公差は、基準に対する「ズレ」を表すが意味合いが異なる。誤差は測定値や計算値と「真の値」との差であり、測定の精度を表す。偏差はデータ個々の値と「平均値（または基準値）」との差であり、ばらつきの評価に用いる。公差は設計上許容される「寸法の許容範囲（上限と下限の差）」であり、品質管理や製造の基準となる。つまり、誤差は結果の検証、偏差は状態の解析、公差は目標の設定に用いられる。
A.① 講義の再話 今回の講義では、品質管理における統計的なデータ解析と測定誤差の扱いについて学んだ。工業製品では均一な品質が求められるため、測定値のばらつきを評価することが重要である。平均値、分散、標準偏差を用いてデータの分布を解析し、正規分布やヒストグラムによって品質の状態を把握する方法を理解した。また、有効数字や量子化誤差など、測定データを扱う上での注意点についても学んだ。 ② 発表の要旨 今回の発表では、統計的品質管理（SQC）における測定データの評価方法について説明した。平均値だけでなく、標準偏差や確率分布を用いることで製品のばらつきを定量的に評価できる。さらに、モード径やメジアン径などを利用することで、データの特徴や異常を分析し、安定した品質管理につなげることができる。 ③ 復習の内容 今回の講義を通して、品質管理では測定値そのものだけでなく、データのばらつきを理解することが重要であると学んだ。特に、平均値・不偏分散・標準偏差の計算や、正規分布による評価方法が印象に残った。また、測定誤差や有効数字を意識することで、より信頼性の高いデータ解析が可能になることを復習した。
A. 授業では、テスターにより人間電池の電圧を計測し、計測値より標準偏差、6σを求め、電圧と頻度の分布を示したグラフを作図した。グラフで6σを超えた部分は不良品として扱われることがわかった。なぜ標準偏差を求める必要があるのかについて、これは計測値の精度を保証する物であり信頼である。また、正規分布を表す方法として、平均値、メディアン、モードがあるり、実用例として平均粒径、メディアン径、モード径があることを学んだ。また、それらを表すものとして、フェルミ分布、ポーズ分布、ボルツマン分布があることがわかった。 グループワークでは、正規乱数のヒストグラムを書いた。グループ名は正規分布に近づくで、共著作者は齋藤考裕、佐藤裕周で役割は可視化と執筆であった。 個人の発展として、中心極限定理による弊害について考えた。中心極限定理によって起こりうる弊害は外れ値の影響を軽視してしまうことや標本数が少ない場合は使えないこと、データの独立性を無視してしまうことなどが挙げられる。つまり、中心極限定理はどの標本数でも使えるものではないし、決まったルールをしっかり守らないと正しくない分布や読み取りが起こってしまうということである。中心極限定理を知るだけでなく中身を理解し、活用できるようになることが重要であるとわかった。
A.①データは最大のものと最小のものを除いた真ん中の値を用いる。このことから、最低でも5個のデータが必要である。代表者が10円玉と1円玉を掌に載せたときの電流を測定した。これを5人分行い、得られた値から最大の値と最小の値を除いた3つのデータを使って、平均値と分散を求めた。再現性とは、別人が測定しても同じ値になる性質である。別の人の測定値が、シックスシグマ内で収まったとしたら、再現性はよいと考えることができる。また、粉体について、平均粒子径やメジアン系、モード系についても触れた。電子の存在確立を表すことができるフェルミ準位や、光・超電導のボーズ分布、気体のボルツマン分布なども学んだ。 ②グループワークでは、正規乱数のグラフを描いた。全体を100とし、目的地を50とした場合について考えた。縦軸では、230のあたりが最大チであり、頂点は横軸が50の場所であった。また、正規分布表のように値が変化し、20、80の点では、ほぼ0に近い値になっていた。 ③ヒストグラムや、母標準偏差（σ）と標本標準偏差（s）などを学んだ。また、シックスシグマや誤差の考え方を学び、真値の推定方法を理解した。真値は求めることが不可能であるため、推定することが重要である。
A. 測定データは平均値と標準偏差で表し、ばらつきの範囲を6σで評価する。平均値を示す時は測定精度に応じた有効数字を考慮することが大切である。また、ヒストグラムはデータの分布やばらつき、外れ値の有無を確認するために用いられ、平均値・中央値・最頻値の把握にも役立つ。分布には連続分布と離散分布があり、χ?分布やF分布などが代表例である。さらに、統計的な分布がデータのばらつきを表すのに対し、流速分布は空間的な速度の変化を表す点で異なる。標本標準偏差sは母標準偏差σを推定するために用いられる。 グループワークでは正規乱数のヒストグラムを描こうについて、班名正規分布に近づく、地主葵、佐藤裕周と共に21歳男性の身長についてのヒストグラムを描いた。パイソンを用いて描き、母数を大きくするほど、ヒストグラムの形が正規分布に近づき、中心極限定理が当てはまっているのではないかという結論に至った。 個別で、χ?分布について、どのような場面で使用されるのかについて調査した。χ?分布は主に母分散の区間推定、適合度の検定、独立性の検定の3つの場面で用いられることが分かった。これらより、品質管理や全国を対象としたアンケート集計、家電故障の原因の追究などの場面で役立てられているのではないかと考えた。
A.今回の講義では品質はばらつく！統計で使う分布関数とその性質について学んだ。 品質管理では、測定データを客観的に評価するために統計的手法が重要である。標本平均 や標準偏差を用いてデータのばらつきを把握し、ヒストグラムやシックスシグマによって 品質を評価する。また、測定値には必ず誤差が含まれるため、真値との差を考慮して判断 する必要がある。そのため講義では10円玉と1円玉の電圧を測った。平均値は0.0532、 分散は8.74×10??、6σは0.0524だった。 グループワークでは正規乱数のヒストグラムを書こうをテーマに議論した。ヒストグラム の値をSm＝52.2、ss＝9.5、sn＝10に変えた結果、真ん中のグラフが小さく両側のグラフ は山のような形となった。 授業の復習として平均値や標準偏差は、測定結果から真値を推定し、データのばらつきを 評価するために重要な指標であることを学んだ。また、標準誤差は平均値の信頼性を示 し、標本数が増えるほど推定精度が向上することを学んだ。さらに、フェルミ分布は電子 のエネルギー状態を表す確率分布である。 統計処理と分布の考え方は、品質管理において重要な役割を果たすと考えた。
A.ヒストグラムは、データの分布を視覚的に把握するための統計グラフである。データの中心を示す指標には、最も頻度が高い値である最頻値（モード）や、データを順に並べた中央の値である中央値（メジアン）、そして平均値などがあり、分布の形状によってこれらの位置関係は変化する。一方、6シグマは、ばらつきを極限まで抑えて品質を管理する手法である。統計学の標準偏差を基準とし、100万回の機会に対してエラーをわずか3.4回以内に抑える極めて高い精度を目指す。いずれもデータのばらつきを正しく認識し、客観的な判断や業務改善を行うために不可欠な統計的アプローチである。 162【平常演習】 正規乱数のヒストグラムを描こう サンプルサイズ（標本数）が少ないとき、ヒストグラムは本来の母集団の分布（正規分布）から大きく乖離し、ガタガタとした不規則な形状になる。これは偶然によるデータの偏りが強く反映されるためであり、中央に一つの山ができる左右対称のきれいな形にはなりにくい。 また、プログラムを再実行するたびにグラフの形状が全く異なる形へとコロコロ変わるのも特徴である。データ数が少ないと、たまたま極端な値を持つデータが数件含まれるだけでグラフ全体が歪み、計算される平均値や標準偏差も、調べた母平均や母標準偏差から大きくズレてしまう。 このように、サンプル数が少ない段階では偶然の要素が大きく影響し、統計的な信頼性が低い不安定なグラフになる。
A.データはばらつくというテーマの学習では、測定値や実験結果が常に一定ではなく、統計的な分布に従うことを理解することを目的としている。授業では、正規分布やポアソン分布などの代表的な分布関数の性質を学び、ばらつきを数値で表すことで現実をより正確に把握できることを知った。工場見学では、製品の寸法や性能の測定結果が統計的に管理されている様子を見学し、分布を利用して品質を安定させる仕組みが実際に使われていることを実感した。 平常の取り組みでは、分布関数を用いたデータ解析の練習を行っている。例えば、測定値の平均値と標準偏差を求め、ヒストグラムを作成してデータのばらつきを視覚的に表現した。また、授業で学んだ正規分布の性質を使って、製品の合格率や不良率を推定する演習を行い、統計が品質管理にどのように活かされるかを考察した。さらに、分散分析や回帰分析の基礎にも触れ、データの傾向を数式で表すことで、現場の改善につなげる方法を学んでいる。 今後は、単にデータを集めるだけでなく、そのばらつきの意味を理解し、統計的手法を使って信頼性の高い判断ができるようにしたい。分布関数は、ものづくりの現場で「現実を数値で語る」ための言語であり、その性質を正しく使いこなすことが品質向上への第一歩だと感じている。
A.品質管理における測定データの統計的解析では、6σの概念や標本標準偏差を用いたばらつき評価が重要である。テスターを用いた直流電圧の測定実験等を通じ、指示値と報告値の相違や誤差の介在により真の値を直接求めることの困難さを学んだ。ヒストグラムや正規分布、カイ二乗分布等の確率分布を活用してデータ構造を把握し、母標準偏差と標本標準偏差の違いを理解することが不可欠である。さらにフェルミ分布等の粒子統計の理解も深め、計測結果に含まれるばらつきを定量的に分析・評価する客観的な統計思考の確立を図った。 演題「正規乱数のヒストグラムを描こう」に取り組んだ。乱数データの可視化やマクスウェル・ボルツマンの速度分布の挙動を通じ、標本数と分布形状の関係性を検証した。私はこの試みにおいて、標本数が少ない場合にはヒストグラムの形状が歪んで左右非対称となり、母平均や母標準偏差からの乖離が生じる現象を整理した。また、温度や分子量により分子速度の確率分布が遷移し、活性化エネルギーを超える割合が変化する統計的メカニズムを整理し、成果物として記録・執筆する「論考・執筆（Writing ? original draft）」の役割を果たした。 授業後の復習として、気体分子の運動速度分布と統計的な品質管理の手法との関連性について個人で考察を深めた。衝突を繰り返す無数の気体分子が描く速度分布と同様に、製造工程における品質特性値も多様な微小要因の積重なりによって統計的な分布を形成する。標本データを適切に収集し、温度上昇に伴う分布形状の平坦化や移行のような系全体の状態変化を正しく察知することは、工程異常の予兆を発見する上で極めて有効である。十分な標本数を確保して全体の挙動を可視化・分析することが品質改善の本質であると確信した。
A.
A.測定データのばらつき評価と各種統計的指標について学んだ。平均値や標準偏差、6σによる散らばりの定量化に加え、度数分布におけるメディアン径やモード径の概念を理解した。また物理的分布と確率分布の違い、母集団標準偏差と標本標準偏差の定義差を比較した。測定には不可避的に誤差が伴うため、データの性質に応じた統計処理を実施する重要性を認識した。 ヒストグラムの作成を通じたデータの視覚化とばらつきの解釈について議論した。データ数が十分に大きい場合は滑らかな正規分布の形状に近付く一方で、標本数が少ない場合には散らばりや歪みが大きくなる傾向を確認した。すべての測定結果には誤差が含まれているため、データをグラフ化して全体像を捉えることが不確定要素の把握に有効であると整理した。 実測値には必然的に誤差が存在することを考慮し、単一のデータのみで判断するのではなく分布全体として捕らえる重要性を学んだ。母集団と標本の違いを認識し、標準偏差やヒストグラムを用いて不規則な変動を定量化することで、真の値に対する妥当な推測が可能となる。統計的な視点に基づきデータの散らばりを正しく評価する能力が不可欠であると理解した。
A. Colabにて日本における20歳の男性の乱数を2,342とした。平均身長170.2cm、平均体重57.0kg、標準偏差は身長なら6.8, 体重なら8.8で出た。身長の母数を10, 100, 1000, 10000と変えると平らなグラフが傾斜のある山形状へグラフが変化した。 機器で測定した値は指示値、指示値を報告者が責任をもって伝える値は測定値である。この二つは同じになるとは限らない。有効桁数は常に3桁とは限らないため、最後の一桁まで責任が伴う。ばらつきを求めるのに必要な標本は最低5つ以上用意する。フェルミ分布は物理化学においてパウリの排他原理に該当する。50%(メディアン径)はエネルギー状態にて電子が存在できる確率がちょうど50%になる基準点のエネルギーを求める。
A.平常の取り組みとして、データのばらつきを比べるF検定について学んだ。データの母平均や母標準偏差を用いて、統計で使われる分布であるヒストグラムをつくることについて学び、実際に年齢や性別ごとの日本人の体重や身長について調べてヒストグラムをつくった。母数を変えてヒストグラムをつくったところ、母数が多くなるにつれて標準偏差によってばらつきは少なくなり、特定の範囲への偏りがわかりやすくなるということを学んだ。
A.分布の種類と分布関数について説明します。分布とは、データや確率がどのように値の範囲に広がっているかを表すものです。代表的な分布には、左右対称の形をした正規分布、一定回数の試行で成功回数を表す二項分布、単位時間や単位面積当たりの発生回数を表すポアソン分布などがあります。分布関数（累積分布関数）は、ある値以下となる確率を表す関数であり、確率変数の分布を特徴づける重要な指標です。分布の種類や分布関数を理解することで、データの傾向を把握し、統計解析や確率計算に活用できます。 グループワークではヒストグラムを調べて書きました。ヒストグラムとは、データの分布やばらつきを棒グラフで表した図です。横軸にデータの階級（区間）、縦軸にその区間に含まれるデータの個数や度数を示します。例えば、30人のテストの点数を10点ごとの区間に分けると、「60?69点が5人」「70?79点が10人」「80?89点が8人」のように表すことができます。ヒストグラムを用いることで、データがどの範囲に多く集まっているかや、分布の形、ばらつきの大きさなどを視覚的に把握することができます。 散布図について調べました。散布図とは、2つの数値データの関係を点で表したグラフです。横軸に一方のデータ、縦軸にもう一方のデータをとり、それぞれの組み合わせを1つの点としてプロットします。例えば、勉強時間とテストの点数の関係を表す場合、勉強時間が長いほど点数が高くなる傾向があれば、点は右上がりに分布します。散布図を用いることで、2つの変数の相関関係や傾向、外れ値の有無などを視覚的に把握でき、データ解析や品質管理などで広く利用されています。
A.本講義では、測定には必ず誤差が伴うため、測定者が有効数字や数値の表記方法を適切に扱うことの重要性を学んだ。また、平均値や標準偏差を求める際には、工程能力を評価するシックスシグマの考え方が重要であり、不良品の発生をできるだけ減らす品質管理につながることを理解した。さらに、正規分布やヒストグラムの見方を学び、縦軸には頻度や度数を用いること、平均値・中央値・最頻値の違いを理解した。加えて、粒径分布では50％通過率（または残留率）に対応するメジアン径や、頻度が最大となるモード径の意味について学んだ。最後に、分布関数と確率密度関数の関係を理解し、統計的な分布の考え方が品質管理やデータ解析に活用されていることを学習した。 本議論では授業資料に添付されたpythonコードをコピーアンドペーストし、正規乱数のヒストグラムを描いた。また、このコードの母数の値を10000，1000，100，10と変化させていくことでグラフにどのような違いが見られるかを調査した。メンバー「24512413稲村清香」「24512866菅原優南」「24512156渡邊翔太郎」「24512380鏡凜奈」「24512086木田忠門」「24512323?橋璃和」で議論を行い、私は資料作成係として議論に参加した。この調査の結果より、母数を変化させることでグラフの形は10000と1000ではあまり変わりはないが100、10は全く異なるグラフの形を示すことが分かった。 議論中に使用したpythonによるヒストグラム作成を通して、一つの値が異なるだけで大きな変化が見られることを確認し、一つ一つの値の重要さを学んだ。そのため、検査は非常に重要な工程であり、決して怠ってはならないものだと強く感じた。
A.９－１）再話 9回目の授業では、6σの考え方を用いて電圧を電圧計で計測しもとめた。また、標本標準偏差や６σを用いた関数、フェルミ分布（フェルミ・ディラック分布）を視覚的に理解できた。これらのグラフはあるエネルギー準位を電子が占有する確率が50％（1/2）になるエネルギー準位をフェルミ準位と呼ぶことも理解し、実際に手を動かし計算ができるようになった。 ９－２)発表 正規乱数のヒストグラムを描く演習では、正規乱数のヒストグラムをColabを用いて作成した。値を１，１０、１００に変更することでばらつきがまとまっていき、1000できれいなグラフになることが確認できた。 ９－３）復習 フェルミ準位と6σを直接結ぶ公式として両者は半導体製造や大規模な集積回路の確率的なテールの制御において密接に関係する。フェルミ準位に基づくフェルミ・ディラック分布は、高エネルギー側で「ボルツマン近似」と呼ばれる指数関数的な減少を示す一方で、品質管理の6σが依拠する正規分布も、平均から大きく離れた領域では指数関数的には確率が極小化する。現代の微細半導体は数億個の素子を搭載するため、原子レベルの不純物濃度のわずかなばらつきが製品の成否を分ける。設計現場では、このフェルミ準位の変動に伴う閾値電圧のばらつきを正規分布と仮定して、極めて稀に起こる誤動作を6σの精度でシミュレーション・管理している。このように、フェルミと統計的な品質管理である6σが、ナノテクノロジーの信頼性設計において交差している。
A. 品質のばらつきを正しく評価するには、統計的な分布関数の理解が不可欠である。実測データから最大値や最小値を除外して平均値や標準偏差を算出し、ヒストグラムやシックスシグマを用いて合否判定を行う。また、標準偏差の検定に用いるカイ二乗分布や、半導体内の電子状態を示すフェルミ分布など、現象に応じた適切な分布関数を適用することが、製品の品質評価や客観的なデータ解析の基盤となるのだ。 演題「正規乱数のヒストグラムを描こう」、グループ名「分布」、共著者：田中心優、神山結菜、石井響、小野絵里香。私の役割はCRediT分類の「Writing - original draft（話し合いのまとめ）」である。本班はサンプルサイズによる分布形状の変化を議論した。乱数サンプリングにおいて、小サンプルではばらつきが大きく左右非対称だが、母数が大きくなるにつれ平均周辺に集積し綺麗な左右対称の正規分布に近づくとまとめた。 授業後、ノートに記されたデータ処理法と乱数サンプリングにおける正規分布への収束の関係について見直し、理解を深めた。サンプルサイズを拡大することで推定のブレが抑えられ、理論通りの正規分布に収束することが中心極限定理の観点からも重要だとわかった。適切なサンプルサイズのもとでデータのばらつきを正確に把握することが、客観的で信頼性の高い品質管理につながると考えた。
A. 授業の再話として、指示値から校正を経て測定値を得る流れを確認した。さらに、5人の測定データから外れ値を除いた標本標準偏差を用いて6シグマを求め、平均値を中心とする範囲にデータが含まれることを学んだ。また、メジアン径の意味や、正規母集団からの統計量の分布、確率密度関数、そしてフェルミ分布などの各種分布に関する理解を深めることができた。 ディスカッションとして、「データはばらつく！統計で使う分布関数とその性質」をテーマに意見を交わした。画像に示されたヒストグラムや計算データをもとに、実際の測定値に現れるばらつきの特徴を確認した。さらに、平均値や標準偏差などの統計量を算出し、様々な分布関数が示すデータの傾向やその性質についてグループで整理し、理解を深めることができた。 授業外復習として、流体の粒径とその分布の評価方法について考察した。粒径分布は通過率や残留率が50％となるメジアン径などを用いて特徴が評価される。さらに、実際の測定データには必ずばらつきが生じるため、確率密度関数や各種分布関数の性質を理解し、統計的な手法を用いて適切に解析することが、粒子の特性評価や品質管理において極めて重要であると深く理解した。
A.①十円玉を正極、一円玉を負極として電圧を5回測定し、最大値と最小値を除いた3回分から平均値と標本標準偏差を求めた。測定結果は平均値0.5333 V、標本標準偏差は約0.0107 Vとなり、シックスシグマ（6s）は約0.064 Vであった。測定には必ず誤差が含まれるため、平均値や標準偏差を用いてばらつきを評価することが重要である。データが正規分布に従う場合、多くの測定値は平均値付近に集まり、シックスシグマは品質管理の指標として利用される。ヒストグラムはデータを区間ごとに分けて度数を表す図であり、分布の特徴を視覚的に確認できる。粒径分布では、通過率または残留率が50％となる粒径をメジアン径という。また、統計では分布関数や確率密度関数のほか、カイ二乗分布、t分布、F分布、U字形分布、離散分布、フェルミ分布などが用いられる。なお、標本から求めた標準偏差はs、母集団全体の標準偏差はσで表される。 ②演題：「正規乱数のヒストグラムを描こう」グループ：鏡凛奈、菅原優南、?橋璃和、渡邉翔太朗、木田志門 正規乱数について調べ、櫃とグラムを作成した。正規乱数のヒストグラムは、正規分布に従う乱数データを区間ごとに分類し、その度数を棒グラフで表したものである。データ数が十分に多い場合、ヒストグラムは平均値付近が最も高く、左右対称の釣鐘形に近づく。平均から離れるほどデータ数は少なくなり、標準偏差が大きいほど分布は横に広がる。ヒストグラムを作成することで、データが正規分布に従っているか、ばらつきの大きさや外れ値の有無を視覚的に確認できる。品質管理や実験データの解析では、測定値が正規分布に近いかを確認するためにヒストグラムがよく利用され、平均値や標準偏差と合わせてデータの特徴を評価する際の重要な手法となっている。 ③誤差、偏差、公差はいずれも測定や品質管理で用いられるが、それぞれ意味が異なる。誤差とは、測定値と真の値との差を指し、測定機器や測定方法、環境などが原因で生じる。偏差とは、各測定値と平均値との差であり、データのばらつきを表す指標で、標準偏差の計算にも用いられる。一方、公差とは、製品の寸法や性能について、設計上許容される最大値と最小値の範囲を示すものである。測定値が公差内であれば製品は合格と判断され、公差を超えると不良品となる。つまり、誤差は真値との差、偏差は平均値との差、公差は品質上許容される範囲を意味し、それぞれ目的や使われ方が異なる。
A.（１）有効数字や平均についてなど、品質管理に必要な統計的手法の基礎となるような事項について学習した。まず、サンプルを5つ取ってきた場合、最大値と最小値を除外した3つの値を平均することで大まかな母集団の平均を取ることができる。これを標本平均という。 また、誤差というのは測定値や予測値と真の値の差のことである。機械が示した数字も真値とは必ず差が生まれる。よって真の値は誰もわからないのである。 他にも様々な分布として、連続分布、離散分布、一様分布 フェルミ分布 フェルミ順位 ボーズ分布、ボルツマン分布などといった分布があることを知ることができた。 （２）加藤さん、石川さん、西村さん、丸川さんでグループワークを行い、私は主にPythonによる計算の補助を行った。テーマは正規分布の母数が小さい場合、どんなグラフになるかPythonで計算するというものだった。私たちは50人の人たちの体重の分布についてグラフを作成した。母数を減らす前までは真ん中で極大を迎える対照的な正規分布を取っていたが、母数が50になると左側に偏りが生まれるという結果となった。 （３）測定時にどこまでの値を採用するかだが、機械が表示した値と有効数字を混同してはならない。機械が示したからと言ってブレの大きい小さい桁の値を採用すると、第三者が測定したときに同じ値を取らない可能性がある。実際テスターで代表者5人が図った値もバラバラで、しかもテスターの値が安定した瞬間を狙って測定するのは難しい。そのため確実に自信をもって値を示せるだけの桁数に有効数字を自分で定めなければならないということを学んだ。
A.1. 誤差とは、測定した値と真の値との差を表し、測定結果の正確さを評価するために用いられる。偏差とは、測定値やデータが平均値からどの程度離れているかを示すもので、データのばらつきを評価する指標である。一方、公差とは、製品を製造する際に許容される寸法や性能のばらつきの範囲を示すものである。それぞれ意味が異なるため、品質管理では目的に応じて使い分けることが重要であると学んだ。 2. 正規乱数のヒストグラム作成では、得られたデータを階級ごとに分類し、分布の形をグラフで表すことでデータの特徴を確認した。実際に作成する作業は難しく感じたが、データのばらつきや分布の傾向を視覚的に理解することができた。正規分布では平均値付近のデータが多く、平均から離れるほど少なくなる特徴があり、品質管理におけるデータ分析にも利用されていることを学んだ。 3. 今回の講義を通して、品質を評価するためには数値の大小だけでなく、そのばらつきや分布を理解することが重要であると学んだ。また、グラフや統計的な手法を用いることで、データの特徴や問題点を発見しやすくなることを理解した。今後の実験や研究でも、得られたデータを適切に整理・分析し、結果を正しく評価できるように意識していきたい。
A.データを取ると、それは標本になり、標本データをどのように使用するのが最も誤差が少なくなるかについて学びました。よくある校正法として最大値と最小値をそれぞれ足切りすることでデータの圧縮および外れ値である可能性を減らしていることがあるとわかりました。その標本データから平均値を求め、標準偏差から品質特性値の誤差が許容範囲内に入る6シグマを求めることができました。測定値から真値はわからない、偶然発生する誤差は測定することができないため推定することが必要であるとわかりました。データから母集団を推定するのには、点推定と区間推定があり、点推定のほうが点で推定するため信頼性は少し低くなり、区間推定では分布を正規分布に従うと仮定して存在確率に基づいて検定することがわかりました。 ワークショップでは、日本人の身長や体重などの正規分布からくるデータを区間推定するここでどのようなデータが取れるかについて発表しました。身長からデータを母集団からランダムサンプリングしてデータを取ったところ、おおよその区間を推定することができ、95％の信頼区間を設定することで区間推定のヒストグラムを作成することができました。 復習では、正規分布であるかどうかについて考えた。ランダムサンプリングであると、データを抽出した標本自体が偏っている場合に飛び値のようなヒストグラム、正規分布極性に山が二つできてしまうことが挙げられました。この場合はデータ数を増やすことで偏りのあるデータ量を分率で減らすことで解決できるということがわかりました。
A.【講義の再話】 第9回の授業では、測定における誤差とばらつきの評価方法について学んだ。誤差とは真の値と測定値との差であり、実際に10円玉の電圧を5回測定した例をもとに、平均値、各測定値の平均からのずれ(偏差)、偏差の2乗の和から標準偏差を求める手順を学んだ。標本から求める標準偏差は自由度を考慮してn-1で割る一方、母集団全体のデータから求める場合はNで割ることの違いも確認した。また、測定値の分布をヒストグラムとして表すと、最も頻度の高い値である最頻値や、データを大小順に並べたときの中央値といった代表値があることを学んだ。さらに、フェルミ分布のように、粒子がある温度で特定のエネルギー準位を占める確率を表す分布があることにも触れ、身近な測定値のばらつきも、こうした確率分布の考え方で捉えられることを理解した。 【発表の要旨】 演題：正規分布の形状比較標本数と平均値のずれによる影響 グループ名：分布 メンバー 小野絵里花、石井響、田中心優、神山結菜 担当役割：情報収集 グループで正規分布の図を実際に描き、標本数が十分に多い場合と少ない場合の正規分布の形状を比較した。標本数が少ないと、理想的な釣鐘型からグラフの形が崩れやすく、ばらつきが目立つことを確認した。また、平均値が真の値からずれている場合には、分布が左右非対称になることが分かった。正規分布は理想的な条件のもとで成り立つモデルであり、実際のデータでは標本数や測定の偏りによって形が変化しうることを理解した。 【復習の内容】 標準偏差の求め方について改めて整理した。各測定値から平均値を引いた偏差を2乗し合計したうえで、標本の場合は(n-1)、母集団全体の場合はNで割ってから平方根をとることで標準偏差が得られる。n-1で割るのは、標本から求めた平均値を使うことで自由度が1つ失われるためであり、母集団を扱う場合とは分母が異なることを再確認した。実際の測定値を使って自分でも計算し直すことで、公式の意味をより具体的に理解できた。
A.測定と品質管理における誤差やばらつきについて学んだ。測定では真度（正確さ）が重要であり、真値からのずれが小さいほど正確な測定になる。指示値は校正によって測定値となり、化学分析では検量線やトレーサビリティを用いて信頼性を確保している。また、測定方法には直接測定と間接測定があり、温度測定では物体に接触する接触方式と、赤外線などを利用する非接触方式がある。品質管理では製品のばらつきを小さくすることが重要であり、6σの考え方を用いることで不良品の発生をほぼなくすことができる。データの分布を確認するためにヒストグラムを用い、最頻値や中央値などから特徴を読み取る。標準偏差はデータのばらつきを示し、母標準偏差をσ、標本標準偏差をsで表す。 グループワークでは、正規乱数のヒストグラムを作成した。作成したグラフから、正規分布では平均値付近にデータが多く集まり、平均から離れるほどデータの数が少なくなることを確認した。 誤差、偏差、公差の違いについて考えた。偏差は個々のデータが平均値からどれだけ離れているかを示し、データのばらつきを表す。誤差は測定値と真値との差であり、偶然誤差や系統誤差に分けられる。公差は製品の寸法などが許容される範囲を示す。製品の品質を安定させるためには、測定によって誤差やばらつきを把握し、適切に管理することが重要である。
A.
A.【講義の再話】 測定値のばらつきと、平均値や標準偏差による評価について学んだ。電圧を5回測定し、最大値と最小値を除いた3回分から平均値と標本標準偏差を求めた。測定値には誤差が含まれるため、一つの値だけで判断せず、複数回測定してばらつきを確認する必要がある。また、ヒストグラムや正規分布を用いると、データの中心や広がりを視覚的に把握できると学んだ。 【発表の要旨】 演題「正規乱数のヒストグラムを描こう」、グループ名「分布」、共著者｛小野絵里花、田中心優、神山結菜、石井響｝、役割「Investigationグループでは、標本数が少ない場合は分布が乱れて左右非対称になりやすいが、標本数を増やすと平均値付近にデータが集まり、左右対称な釣鐘型の正規分布に近づくと考えた。 【復習の内容】 標本標準偏差と母標準偏差の違いについて調べた。母標準偏差は母集団全体のばらつきを示すのに対し、標本標準偏差は母集団から取り出した一部のデータからばらつきを推定するために用いられる。また、測定回数が少ないと偶然の影響を受けやすいが、回数を増やすことで平均値や分布の形が安定する。品質管理では、十分な数のデータを集めて判断することが重要だと考えた。
A. 製品の品質を評価する際には、測定値のばらつきを理解し、統計的に扱うことが重要である。実際の測定では真の値を直接知ることはできないため、複数回測定した結果から平均値や標準偏差を求め、それらを真の値を推定するための指標として利用する。例えば、10円玉と1円玉の電位差を複数回測定し、得られたデータから平均値や標準偏差、さらにシックスシグマを求めることで、測定値の分布やばらつきを評価できる。データの分布を表す方法としてヒストグラムがあり、平均、メジアン、モードなどの代表値を用いることで、データの特徴を把握できる。また、確率密度関数によってデータがどのような確率で現れるかを表すことができ、品質管理では特に正規分布が重要となる。 奈良間小柚、熊井優、三浦夢衣、菊地真結で正規乱数のヒストグラム作成について取り組んだ。正規分布に従う乱数データを用いてヒストグラムを作成し、データが平均値付近に多く分布し、平均から離れるほど出現頻度が低くなる正規分布の特徴を確認した。実際の測定データにもばらつきが存在するため、分布を把握することが品質評価に重要であることを理解した。 誤差、偏差、公差は似た言葉であるが意味が異なる。誤差は測定値と真の値との差であり、偏差は測定値と平均値との差を表す。また、公差は製品の品質を保証するために許容される寸法や性能の範囲である。これらを区別して理解することで、測定結果の評価や品質管理を正しく行うことができると考えた。
A.
A. 今回の授業の内容については、6σグラフや、様々なグラフを用いて、データの取り扱いとその数値の正確さについて学習を行った。そのなかで、数値の取り扱いについてより詳しく述べる。数値には一般的に有効数字が必要となるものであり、この桁数が、自分たちが責任を持つことのできる範囲となることがわかる。よって、工場では、数値のズレによるリコールを避けるために、余裕をもって、有効数字を出していくべきであると分かる。 発表の要旨について、題目は数値を変えた時のグラフの変化についてを取り扱った。メンバーは、地主葵、齋藤考裕であり、自分の役割は形式的分析であった。具体的な調査内容としては、男性21歳の平均身長について調べることを行った。サンプル数が少ないときは、データのばらつきが顕著に見られたが、データが増加していくにつれて、最頻値付近を大きな山とする、正規分布へと近づいていった。データ量の増加は、分布を正規分布へと近づけていくと考えた。 復習の内容について、誤差、偏差、公差、について、言葉の定義からどのような違いがあるのかについての学習を行った。また、他にも、粒子の粒径はヒストグラムで示すことが出来、気体分子の速度は、マクスウェル・ボルツマン分布でデータを可視化することが出来ると学んだ。これについては、仮にデータが可視化されたとしても、数値の正確さについては、常に疑う姿勢を持っていくべきであると考えた。
A.「データはばらつく！統計で使う分布関数とその性質」について、平常の取り組みを紹介する。 工業製品の製造では、同じ条件で作られた製品であっても、原料の違いや製造条件の変化、測定誤差などによって必ずばらつきが生じる。そのため、得られたデータを正しく評価するためには、統計的な考え方を用いてデータの分布や特徴を把握することが重要である。分布関数を利用することで、データのばらつき方や発生する確率を理解し、品質管理や工程改善に役立てることができる。 私が普段の学習や実験で取り組んでいることとして、実験結果のばらつきを単なる誤差として扱うのではなく、データの特徴として分析することを意識している。大学の実験では、複数回測定した結果を平均値だけで判断するのではなく、標準偏差などを用いてデータの広がりや再現性を評価している。また、測定結果をグラフ化することで、データの分布や傾向を視覚的に確認するようにしている。 さらに、品質管理に関する学習では、正規分布をはじめとするさまざまな分布関数について学び、製品のばらつきを統計的に評価する方法を身につけている。例えば、製品重量や寸法などのデータを分析することで、規格から外れる可能性や製造工程の安定性を判断することができる。これにより、不良品が発生してから対応するのではなく、事前に問題を予測し改善することが可能になる。 化学・バイオ分野では、実験条件や生産工程のわずかな違いが結果に影響するため、データのばらつきを正しく理解することが重要である。そのため、測定データを適切に整理し、統計的な根拠をもとに判断する姿勢を身につけるよう取り組んでいる。 工場見学では、実際の製造現場でどのように統計的手法が活用され、製品の品質維持や工程管理に役立てられているのかを学び、データに基づいたものづくりへの理解を深めたい。
A.① 講義の再話 今回の講義では、統計的推定と区間推定について学んだ。区間推定とは、標本データから母集団の特性を推定する際に、推定値だけでなく、その値が含まれると考えられる範囲を信頼区間として示す方法である。特に、母平均の95％信頼区間について学び、同じ手法で標本抽出と推定を繰り返した場合、およそ95％の割合で真の母平均がその区間内に含まれることを理解した。また、標本から母集団の特徴を推定する統計的推定と、仮説の妥当性を判断する統計的検定は目的が異なることについても学んだ。これらの統計的手法は、生産管理や品質管理において製品品質を評価し、不良品やロットアウトを防止するために重要な役割を果たしていることを理解した。 ② 発表の要旨 発表では、標本数と推定精度の関係について調査した。グループワークでは、標本数を変化させた場合の標本平均と母平均との関係を検討した結果、標本数が増えるほど標本平均のばらつきが小さくなり、母平均付近に集中することを確認した。このことから、標本数を十分に確保することで推定精度が向上し、母集団の特徴をより正確に把握できることを理解した。また、統計的推定では標本平均を母平均の推定値として利用し、不偏分散を用いて母分散を推定することも学んだ。さらに、信頼区間を活用することで、推定結果に含まれる不確実性を定量的に評価できることを理解した。 ③ 復習の内容 復習では、統計的推定と仮説検定の違いについて整理した。統計的推定は、標本から母集団の特徴を推測する手法であり、点推定と区間推定の2つに分類される。点推定では母平均や母分散などの代表値を求め、区間推定では信頼区間を用いて推定値の範囲を示す。一方、仮説検定は設定した仮説が正しいといえるかを統計的に判断するための方法であり、推定とは目的が異なる。また、標本数を増やすことで推定精度は向上するが、必要以上に標本数を増やすと時間やコストの負担が大きくなるため、適切なサンプルサイズを設定することも重要である。今回の復習を通して、統計的手法は品質管理や工程管理において客観的な判断を行うための基礎となるものであり、限られたデータから信頼性の高い結論を導くために欠かせないことを学んだ。
A.講義では、測定データには必ずばらつきがあることを学んだ。測定では、まず測定器の指示値をそのまま使うのではなく、校正を行って正しい測定値を得ることが重要である。 実習では、手のひらに10円玉と1円玉を乗せて電圧を測定したところ、5人の測定値は0.563 V、0.531 V、0.500 V、0.545 V、0.524 Vとなり、平均値は0.533 V、標準偏差は0.00873 V、6σは0.0524 Vであった。このように、同じ条件で測定しても測定値にはばらつきが生じることを確認した。 データのばらつきを視覚的に表す方法としてヒストグラムを学んだ。ヒストグラムはデータの分布やばらつき、規格値との関係、外れ値の有無などを一目で確認でき、工程管理や品質管理に広く利用されている。また、データが平均値を中心に左右対称に分布する正規分布についても学び、平均値や標準偏差を用いることでデータの特徴を表せることを理解した。 さらに、粒子径の評価ではメジアン径（累積通過率50%の粒径）やモード径（最も頻度の高い粒径）の意味を学んだ。また、電子の存在確率を表すフェルミ分布では、フェルミエネルギーで存在確率が50%になるという性質があり、メジアン径の考え方と共通していることを知った。 平均値や標準偏差を求める理由は、真値は直接知ることができないため、測定結果から真値を推定するためである。平均値は測定結果の代表値を示し、標準偏差は測定値のばらつきや誤差の大きさを表す指標となる。そのため、統計処理は品質管理や測定結果の信頼性を評価するうえで重要である。
A.① 講義の再話 第9回の講義では、測定データのばらつきと統計的な扱い方について学んだ。実験では1円玉と5円玉を用いた回路で電圧を測定し、平均値や標準偏差を求めることで測定結果のばらつきを評価した。また、指示値と報告値は異なり、測定には必ず誤差が含まれるため真の値を完全に求めることはできないことを理解した。さらに、ヒストグラムを用いてデータの分布や外れ値を確認する方法や、正規分布、カイ二乗分布、一様分布などの統計分布について学んだ。加えて、母標準偏差と標本標準偏差の違いについても理解を深めた。 ② 発表の要旨 平常演習では、「ヒストグラム」をテーマにグループで発表を行った。私たちは、ヒストグラムがデータの分布状況やばらつきを視覚的に表現するための手法であることについて調査した。発表では、横軸にデータの区間、縦軸に度数をとり、データがどの範囲に集中しているかを把握できることを説明した。また、正規分布に近いヒストグラムの例を用いて、平均値付近にデータが集まり、両端に行くほど度数が減少する特徴を紹介した。さらに、ヒストグラムは外れ値の発見や工程のばらつきの確認に活用され、品質管理において重要な役割を果たしていることを学んだ。 ③ 復習の内容 講義を通して、品質管理では単に測定を行うだけでなく、得られたデータを統計的に解析することが重要であると感じた。特に平均値だけではデータの特徴を十分に把握できず、標準偏差やヒストグラムを利用してばらつきを評価する必要があることを学んだ。また、実際の測定では誤差が避けられないため、複数回測定して信頼性を高めることが重要であると理解した。今後は実験や測定結果を見る際に、数値そのものだけでなく、そのばらつきや分布にも注目しながら考えていきたい。
A.本講義では、品質のばらつきと統計的な評価方法について学んだ。一円玉と十円玉を用いた人体の電圧測定を例に、複数の測定者が得たデータを比較し、6σ（シックスシグマ）の考え方について理解した。製品や測定値には必ずばらつきが存在するため、そのばらつきを統計的に評価することが品質管理では重要である。また、フェルミ分布についても学び、粒子の統計的な振る舞いを表す分布の考え方に触れた。 奈良間小柚、熊井優、三浦夢衣、菊地真結で正規乱数のヒストグラム作成について取り組んだ。正規分布に従う乱数データを用いてヒストグラムを作成し、データが平均値付近に多く分布し、平均から離れるほど出現頻度が低くなる正規分布の特徴を確認した。実際の測定データにもばらつきが存在するため、分布を把握することが品質評価に重要であることを理解した。 今回の講義では、品質管理では測定値のばらつきを避けるのではなく、その特徴を統計的に把握することが重要であると学んだ。測定値は同じ条件でも完全に一致することは少なく、測定誤差や個体差などによってばらつきが生じる。そのため、平均値だけで判断するのではなく、標準偏差や分布の形を確認することで、製品や工程の状態をより正確に評価できる。また、シックスシグマの考え方は、ばらつきを小さくすることで品質を安定させることを目的としており、製造現場だけでなく実験や研究でデータを扱う際にも役立つ考え方であると感じた。
A.(1) 品質管理では、測定値のばらつきを統計的に評価することが重要である。例えば電圧測定では、平均値や標準偏差を用いることでデータの中心値とばらつきの大きさを表すことができる。また、シックスシグマは工程のばらつきを管理し、不良品の発生率を極めて低く抑えるための品質管理手法である。データの分布はヒストグラムや正規分布曲線によって可視化され、規格との適合性を判断する際に利用される。さらに、フェルミ分布やボルツマン分布は値がどのような確率で現れるかを表すのに対し、流速分布は空間的な値の広がりを示す。このように同じ「分布」という言葉でも意味が異なるため、目的に応じて適切に使い分けることが重要である。 (2)正規乱数のヒストグラムは、母数（サンプル数）が増えるほど理論的な正規分布に近づくことを確認するために用いられる。本課題では、1歳男児の体重の平均値10.3 kg、標準偏差1.4 kgを母平均・母標準偏差として正規乱数を発生させ、母数を10、100、1000、10000と変化させてヒストグラムを作成した。母数が10では分布の形が不規則であったが、100、1000と増加するにつれて左右対称の釣鐘型に近づき、10000では滑らかな正規分布となった。この結果から、サンプル数が増えるほど標本分布は母集団の特性をより正確に表すことが分かる。品質管理では、この性質を利用して製品特性や工程のばらつきを評価し、品質の安定化を図っている。 (3)フェルミ準位の活用例について調査した。フェルミ準位とは、電子が存在する確率を示す基準となるエネルギー準位であり、半導体の特性を理解する上で重要な概念である。半導体では不純物を添加することでフェルミ準位が変化し、電流の流れやすさが制御される。この性質はダイオードやトランジスタ、MOSFETなどの電子部品の設計に活用されている。また、太陽電池やLEDの性能評価にも利用され、電子や正孔の挙動を予測するための重要な指標となっている。さらに半導体製造においては、材料の導電性や素子性能を評価する際にも利用される。現代のスマートフォンやパソコン、通信機器などの電子機器は、フェルミ準位の制御技術によって支えられている。
A.①講義では、製品の品質には必ずばらつきが存在することを学び、そのばらつきを統計的に評価するために分布関数が用いられることを理解した。特に正規分布は自然現象や工業製品の測定値によく現れる分布であり、平均値や標準偏差を用いることで品質の状態を客観的に評価できることを学んだ。また、統計的な手法を利用することで品質管理や工程改善を効率的に行えることを理解した。 ②発表では、正規分布やヒストグラムの作成方法、誤差・偏差・公差の違いについて説明した。ヒストグラムは測定データの分布を視覚的に表すグラフであり、品質のばらつきや異常の有無を確認するために利用されることを紹介した。また、誤差は真の値との差、偏差は平均値との差、公差は製品に許容される範囲であることを説明した。さらに、粉体の粒径分布や気体分子の速度分布など、統計分布がさまざまな工業分野で利用されていることを学んだ。 ③復習では、平均値、中央値、標準偏差などの基本統計量を整理するとともに、正規分布とヒストグラムの関係について確認した。また、実際の測定データを用いてヒストグラムを作成し、データのばらつきや分布の特徴を分析する方法を復習した。さらに、誤差、偏差、公差の違いを理解し、品質管理では統計的手法を活用することで製品の品質を客観的に評価できることを学んだ。今回の復習を通して、統計学は品質管理や工程改善に欠かせない重要な基礎技術であることを理解することができた。
A.【講義の再話】 測定には必ず誤差がある。平均値や標準偏差を求めるのは、その誤差の範囲を理解するためである。具体的なグラフとしてヒストグラムはデータの分布を視覚化し、メジアンやモードが特徴を示す。粒径分布や通過率のような実例を通して、分布の意味を学ぶ。品質管理では、データの形を読む力が、現象を理解する力につながるのである。 【発表の 要旨】 私たちのグループでは、日本人の身長・体重データから年齢と性別を選び、平均値を母平均、標準偏差を母標準偏差として、母数を変化させたときのヒストグラムの形を比較した。母数が小さいときはばらつきが大きく、凸凹した形になるが、母数が増えるにつれて正規分布に近い滑らかな形になることを確認した。統計量はサンプル数によって見え方が変わるため、データの信頼性を考えるうえで母数の大きさが重要であると理解した。 【復習の内容】 9回目の授業では、測定には必ず誤差が存在し、その広がりを理解するために平均値や標準偏差を求める意義を学んだ。ヒストグラムを用いることで分布の形やモード、メジアンを視覚的に把握でき、分布の特徴を読み取る力の重要性を確認した。また、正規乱数を生成し、母数を変化させてヒストグラムの形を比較した。母数が増えるほど分布は滑らかになり正規分布に近づくことを理解し、統計的な見方が品質管理に不可欠であると学んだ。
A. 品質管理におけるデータ解析では、ヒストグラム等を用いて分布の形状やばらつきを視覚的に把握することが基礎となる。測定データからは母平均や母標準偏差といった真の値を直接知ることはできないため、標本平均や標本標準偏差を用いて推定を行う。正規分布をはじめ、カイ二乗分布やt分布、F分布などの各種確率分布の特性を解釈し、データ全体の挙動や空間的な分布変化（濃度・温度分布等）を統計的に分析する技術が求められる。 演題「正規乱数のヒストグラムを描こう」、グループ名「分布」、共著者（神山結菜、田中心優、小野絵里花、石井響）、私の役割「Writing - original draft」。本ワークショップでは正規分布に従うデータのヒストグラム描画に取り組んだ。標本数が少ない場合には左右非対称や不規則な形状が生じるが、標本数を増やすことで推定誤差が小さくなり本来の釣鐘型へ近づく挙動を確認し、適切なサンプルサイズ確保の重要性を学んだ。 復習として「誤差・偏差・公差の概念と違い」について考察した。誤差は測定値と真の値との差であり、偏りや機器精度に依存する。偏差は個々の測定値と全体の平均値との差であり、データのばらつき度合いの評価に用いられる。公差は設計上許容される寸法や性能の誤差範囲を示す。これら３つの概念の定義と違いを正しく区別し、製造現場での品質評価や設計規格の管理基準として的確に適用する重要性を再認識した。
A.
A. 測定値にはばらつきがあり、その評価には統計が重要であることを学んだ。10円玉と5円玉の電圧測定では、外れ値を除いて平均値を求め、標準偏差や6σから測定誤差を評価した。また、ヒストグラムはデータの分布やばらつきを視覚的に把握する方法であり、粒径分布ではモード径やメジアン径が用いられることを理解した。さらに、正規分布やF分布、フェルミ分布など各種分布の特徴や、母標準偏差σと標本標準偏差sの違いを学び、標本データから母集団の性質を推定する統計的な考え方の重要性を理解した。 ワークショップでは、2020年の20?29歳女性の体重データを用いて、標本数10、100、1000、10000のヒストグラムを作成した。標本数が少ない場合はばらつきが大きく、正規分布の形は現れにくかったが、標本数が増えるにつれて平均値付近にデータが集まり、10000では理論的な正規分布に近い形となった。この結果から、標本数が多いほど偶然誤差の影響が小さくなり、母集団の特徴をより正確に表せることを理解した。また、統計解析では平均値や標準偏差だけでなく、十分な標本数を確保し、データの分布を適切に評価することが重要であると学んだ。 測定値のばらつきと統計分布について学んだ。10円玉と5円玉の電圧測定では、測定値にはばらつきが生じるため、平均値や標準偏差を用いて結果を評価することの重要性を理解した。また、ヒストグラムを用いることでデータの分布を視覚的に把握でき、正規分布や標本標準偏差と母標準偏差の違いについても学んだ。ワークショップでは、20?29歳女性の体重データを基に標本数を変えてヒストグラムを作成し、標本数が増えるほど正規分布に近づき、偶然誤差の影響が小さくなることを確認した。統計解析では、平均値や標準偏差だけでなく、十分な標本数を確保することが信頼性の高い結果を得るために重要であると理解した。
A.(1)測定において生じる誤差は真値との差と定義されるが、真値を直接知ることは不可能である。そのため、複数回の測定から得られたデータの平均値や標準偏差を用いることで真値を統計的に推定する不確かさの評価が必要となる。一般にランダムに発生する測定値のばらつきは正規分布に従うと仮定され、確率や度数の分布からデータの信頼性を定量的に議論する。一方で、固体物理学や半導体工学における粒子の挙動を示すフェルミ分布では量子統計力学的なアプローチが用いられる。これは、電子などのフェルミ粒子が各エネルギー準位を占有する確率を表すものであり、占有確率が50％となるフェルミエネルギーを基準に、熱的な揺らぎによる確率的な分布の変化を説明する。 (2)データのばらつきは正規分布を基準に議論されることが多いが、実際の測定データは非対称な分布になる場合がある。この分布の左右の非対称性を表す指標を歪度という。歪度は確率密度関数または頻度分布の非対称度を示す無次元数で、平均値を中心にどれだけ左右に傾いているかを定量化する。歪度＞０の時は、裾が右に長く、歪度＜０の時は、裾が左に長い分布を示す。 (3)用語を例文とともに説明した。 誤差とは測定値と真値との差である。 例文）実験データを正確に分析するには、測定器によって生じる誤差を考慮する必要がある。 偏差とは個々のデータと全体の平均値との差である。 例文）各店舗の売り上げを比較すると、地域によって大きな偏差が見られた。 公差とは許容されるずれの最大範囲である。 例文）規定の公差を外れているため、この商品は不良品として廃棄する。 マクスウェルボルツマン速度分布曲線とは、熱平衡状態にある理想気体において気体分子がどのような速度でどのくらいの確率で運動しているかを示した分布曲線である。
A.①講義の再話 講義では、データのばらつきを正しく理解するために、標本数と平均値の関係を統計学の基本法則から学んだ。標本数が増えるほど標本平均が母平均に近づく「大数の法則」、そして標本平均の分布が正規分布に近づく「中心極限定理」が重要であると理解した。また、標本平均のばらつきを示す標準誤差が1/nに比例して減少するため、精度向上には標本数の増加が不可欠であることを学んだ。データのばらつきは避けられないが、その性質を理解することで、より信頼性の高い分析が可能になると感じた。 ②発表の要旨 発表では、男女差のような平均値の比較において、適切な標本数を決めるための「検出力分析（パワーアナリシス）」の重要性を論じた。危険率・効果量・検出力の3要素を事前に設定することで、どれだけの標本数が必要か科学的に判断できると説明した。特に、効果量が小さいほど差がノイズに埋もれやすく、膨大な標本数が必要になる点を強調した。一般的な男女比較では、危険率5%、検出力80%の場合、効果量中程度なら男女それぞれ60～70人が必要であり、統計的有意差を主張するには十分な標本数の確保が不可欠であるとまとめた。 ③復習の内容 復習では、標本数・分布・ばらつきの関係を整理し、統計的推論の信頼性は「どれだけデータを集められるか」に大きく依存することを再確認した。標本数が増えるほど標本平均は母平均に近づき、標準誤差が減少するため、データの精度が向上する。また、男女差の検定では、効果量・危険率・検出力を踏まえて標本数を設計することが重要であり、十分な標本数がなければ結論が不安定になると理解した。今後は、データのばらつきを前提としつつ、統計的に妥当な標本設計を行う姿勢が求められると感じた。
A.ヒストグラムとは、データの分布やばらつきを確認するために用いるグラフである。測定したデータを一定の範囲ごとに分け、それぞれの範囲に含まれるデータの数を棒の高さで表す。ヒストグラムを見ることで、データの中心となる値、ばらつきの大きさ、偏り、異常なデータの有無などを把握することができる。品質管理では、製品の寸法や性能のばらつきを確認し、工程が安定しているかを判断するために利用される。例えば、製品の長さを測定したデータをヒストグラムで表すことで、規格内に収まっているかや、製造工程に問題がないかを確認できる。ヒストグラムは、データに基づいた品質改善を行うための重要な分析手法の一つである。 フェルミ分布とは、電子などのフェルミ粒子がどのエネルギー状態に存在するかを表す確率分布である。量子力学に基づく分布であり、金属中の電子の状態や半導体の性質を理解するために用いられる。フェルミ分布では、あるエネルギー状態が電子によって占有される確率を温度とエネルギーの関係から表す。絶対零度では、電子はエネルギーの低い状態から順に詰まり、フェルミ準位以下の状態はほぼ満たされ、以上の状態は空になる。温度が上昇すると熱エネルギーによって一部の電子が高いエネルギー状態へ移動する。
A. 第9回の講義では、分布関数とその性質、基本統計量、正規分布について学んだ。また、ヒストグラムの作り方や活用方法についても理解を深めた。ヒストグラムは、測定したデータを階級ごとにまとめて棒グラフで表すことで、データのばらつきや分布の形を視覚的に確認できる手法である。さらに、平均値や標準偏差などの基本統計量を用いることで、データの特徴を数値として表せることも学んだ。品質管理では、測定結果を統計的に整理し、工程の状態や異常の有無を判断するために、正規分布やヒストグラムが重要な役割を果たすことが分かった。 正規乱数のヒストグラムの作成についてグループワークに取り組んだ。私たちは、正規乱数を用いてヒストグラムを作成し、データの分布について確認した。作成した結果は、平均値 Sm＝52.2、標準偏差 SS＝9.5、データ数 Sn＝10となった。ヒストグラムを見ることで、データが平均付近に集まり、端になるほど少なくなるという正規分布の特徴を視覚的に確認することができた。また、数値だけでは分かりにくいデータの傾向も、グラフにすることで把握しやすくなると考えた。 復習では、誤差・偏差・交差の違いについて確認した。誤差は測定値と真の値との差を表し、偏差は測定値と平均値との差を表すことが分かった。また、交差はデータや線が互いに交わることを指し、誤差や偏差とは意味が異なることを理解した。それぞれ似た言葉ではあるが、表している内容は異なるため、品質管理や統計を学ぶ上では正しく使い分けることが大切だと感じた。
A.①今回の授業では、品質管理に用いられる6σ（シックスシグマ）の考え方と、統計処理の基礎について学んだ。電圧計を用いた測定では、測定値のばらつきを標本標準偏差によって評価し、6σの考え方を用いることで工程の安定性や品質を数値的に判断できることを理解した。また、フェルミ・ディラック分布についても学び、電子があるエネルギー準位を占有する確率や、その確率が50％となるフェルミ準位の意味を理解した。実際に計算やグラフ作成を行うことで、統計学と物理学の考え方が品質管理や半導体分野に応用されていることを学び、数値データを活用した品質評価の重要性を実感した。 ②ガントチャートをやった焼きそばの準備期間が長いことを考慮に入れる。 ③復習では、フェルミ準位と6σは異なる分野の概念であるものの、半導体の品質管理や信頼性評価において密接に関係していることを理解した。フェルミ・ディラック分布は電子の存在確率を示し、高エネルギー領域では指数関数的に確率が減少する。一方、6σでは正規分布を利用して工程のばらつきを評価し、不良品が発生する確率を極めて低く抑えることを目指している。半導体では、微細化が進むほど不純物濃度や素子特性のわずかなばらつきが製品性能に大きく影響するため、統計的な品質管理が不可欠となる。設計や製造の現場では、フェルミ準位の変動による特性のばらつきを統計的に解析し、高い信頼性を維持するためのシミュレーションや工程管理が行われていることを学んだ。今回の内容を通して、物理学の理論と統計的品質管理が融合することで、現在の高性能な半導体や電子機器の品質と信頼性が支えられていることを理解した。
A.第9回の講義では、品質はばらつく！統計で使う分布関数とその性質というテーマで、品質のばらつきを統計的に捉える方法について学んだ。例えば、10円硬貨と1円硬貨の電圧測定では平均が0.533V、標準偏差が8.74×10??となり、6σの範囲が0.0524で表されることから、データの散らばり具合を数値で把握できることを理解した。また、機械が示す指示値と、それをもとに報告される測定値の違いにも注意が必要であると学んだ。さらに、ヒストグラムを用いることでデータの分布の形や偏りを視覚的に把握でき、中央値（メディアン）と平均値の違いについても理解が深まった。加えて、χ?分布やF分布、スチューデントのt分布など、さまざまな分布関数が統計解析に用いられることを知り、それぞれが異なる性質を持つことに興味を持った。 発表では、正規乱数を用いたヒストグラムの作成について取り上げ、標本数の違いが分布の形に与える影響を考察した。標本数が少ない場合には、ヒストグラムの形が滑らかにならず、左右非対称でばらつきの大きい形になることが分かった。その結果、本来の平均値や母標準偏差からずれて見える可能性があることも理解した。このことから、信頼できるデータを得るためには、十分な標本数を確保することが重要であると感じた。 復習では、ヒストグラムについて改めて整理した。ヒストグラムはデータの分布状況を直感的に把握するための有効な手法であり、ばらつきや偏り、外れ値の有無などを確認することができる。品質管理においては、このような視覚的な分析を通して問題点を早期に発見し、改善につなげることが重要であると考えた。今後は統計的な視点を意識しながら、データを正しく読み取る力を身につけていきたい。
A.今回の講義では、測定値のばらつきや誤差の考え方について学んだ。測定値には真値との差である誤差が含まれ、その誤差には偶然誤差と系統誤差があることを理解した。また、複数回測定したデータから平均値と標準偏差を求め、測定結果を統計的に評価する方法について学習した。測定値の分布は正規分布に近づくことが多く、平均値を中心として左右対称にばらつくことを正規分布曲線で確認した。さらに、確率関数や確率密度関数の違いについて学び、連続的なデータでは確率密度関数を用いて確率を表すことを理解した。講義の後半では、標本平均のばらつきを表す標準誤差について説明があり、標本数が増えるほど標準誤差は小さくなり、母平均をより正確に推定できることを学んだ。 発表では、測定データを統計的に扱う意義について説明した。測定結果は一回だけでは誤差の影響を受けやすいため、複数回測定して平均値を求めることが重要であることを示した。また、標準偏差は測定値のばらつきを表し、標準誤差は標本平均の精度を表す指標であることを説明した。 復習では、平均値、標準偏差、標準誤差の違いを整理した。特に、標準偏差は測定値そのもののばらつきを示し、標準誤差は平均値の信頼性を表すため、それぞれ役割が異なることを再確認した。また、正規分布では平均値付近にデータが集中し、両端ほど出現頻度が低くなる特徴を理解した。さらに、標本数が増えると標準誤差が小さくなり、母平均の推定精度が向上する理由についても復習した。品質管理では、測定値のばらつきを正しく評価し、その結果を工程改善や品質保証に活用することが重要であるため、今回学んだ統計の基礎を今後の実験やデータ解析にも積極的に活かしていきたいと考えた。
A. 第9回の講義では、測定によって得られたデータを整理し、その特徴を表す平均値と標準偏差について学んだ。実際の測定では同じ対象でも値にばらつきが生じるため、平均値によって代表的な値を求め、標準偏差によってデータの散らばり具合を評価することが重要であると理解した。また、複数回測定することで、より信頼性の高い結果が得られることを学んだ。 発表では、身長体重を例に示し、平均値は測定結果の中心的な値を示し、標準偏差は測定値のばらつきを数値化する指標であることを説明した。データ数量にもよるが平均値だけでは品質を十分に評価できないため、標準偏差もあわせて確認することで、工程や製品の安定性を客観的に判断できることを共有した。 今回の講義を通して、品質管理では測定値をそのまま比較するのではなく、平均値や標準偏差を利用してデータ全体の特徴を把握することが重要であると理解した。今後は統計量の計算方法だけでなく、それぞれの値が品質の安定性や工程の改善にどのように活用されるのかを意識しながら学習を進め、実践的な知識として身に付けていきたい。
<!-- 課題 課題 課題 -->
<li>
<a href='https://edu.yz.yamagata-u.ac.jp/developer/WebClass/WebClassEssayQuestionAnswer.asp?id=552'>
<q><cite>
</q></cite>
</a>.
<a href='https://edu.yz.yamagata-u.ac.jp/developer/Asp/Youzan/@Syllabus.asp?nSyllabusID='>
<a/a>・
<a href='https://edu.yz.yamagata-u.ac.jp/developer/Asp/Youzan/@Lecture.asp?nLectureID='>
</a>
</li>
<!-- 課題 課題 課題 -->
大学教育の質の保証・向上ならびに 電子化及びオープンアクセスの推進の観点から 学校教育法第百十三条に基づき、 教育研究活動の状況を公表しています。
第百十三条 大学は、教育研究の成果の普及及び活用の促進に資するため、その教育研究活動の状況を公表するものとする。
