統計入門 （再履修組）

Introduction to Statistics （再履修組）

9989C00

89COMAT105

矢部　博

Hiroshi Yabe

2024年度後期

2024 / Second Semester

木曜5限

Thursday 5th Period

経営学部　国際デザイン経営学科

Department of International Digital and Design Management, School of Management

2.0単位

講義

Lecture

-

⑥ [遠隔]ブレンド型授業/ [Remote] Blended format (may include less than 50% classes held on-site)

初等的な確率論から乖離しないよう，平均，期待値，中央値，分散・共分散，といった基本的な統計量が求められるようになることから始めて，回帰・推定・仮説検定の基本的な操作と仕組みについて，実例を用いて説明する．また，各自で具体的に実行できる課題等を用意し，理解の定着を図る．

上記の授業内容をよく理解し，それに基づいて，経営学に関連する具体的な課題について統計的な視点を持つことができるようになる．この科目は，本学部と本学科が共通にディプロマポリシーとして定めている『1. グローバル化や地球環境問題など広範かつ多様なビジネス環境で発生している諸々の問題に対して自然科学及び社会科学の知識を活用して解明するという基本的方針の下で理論的かつ実践的な考え方を身に付けている』および『4. デジタル技術に対する原理的な理解を持ち、デジタル技術を用いた問題解決を先導することができる』ことの実現を目的とする．

経営学の専門知識を修得し活用するための，数理・計量分析を基礎に据えた理工学的な分析力・構想力・創造力を育むため，統計学の考え方に触れて基礎的な手法を理解する．

リンク先の [評価項目と科目の対応一覧]から確認できます（学部対象）。
履修登録の際に参照ください。
​You can check this from “Correspondence table between grading items and subjects” by following the link(for departments).
https://www.tus.ac.jp/fd/ict_tusrubric/​​​

・BYOD機による実習を含むので，PCや基本的なソフトウエア（python, Excellなど）の利用ができるようになっていること．
・『情報基礎および演習1,2』『プログラミング基礎1,2』を履修していることが望ましい．

プレゼンテーション　Presentation

-

予習：予習内容を授業内で指示する．その内容について2時間程度予習する事．

復習：実習内容が授業時間内に十分にできなかった場合，これを実際に試してみる事．２時間程度の復習が望ましい．

期末課題、発表、レポート課題，授業内実習を総合的に評価する．
期末課題・発表60%，レポート課題・授業内実習40%を予定しているが，習得状況に応じて調整する．

・S：到達目標を十分に達成し、極めて優秀な成果を収めている
・A：到達目標を十分に達成している
・B：到達目標を達成している
・C：到達目標を最低限達成している
・D：到達目標を達成していない
・-：学修成果の評価を判断する要件を欠格している

・S：Achieved outcomes, excellent result
・A：Achieved outcomes, good result
・B：Achieved outcomes
・C：Minimally achieved outcomes
・D：Did not achieve outcomes
・-：Failed to meet even the minimal requirements for evaluation

Y

「RとPythonで学ぶ統計学入門」、増井敏克著、オーム社、2021、ISBN978-4-274-22705-9

教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
​https://mirai.kinokuniya.co.jp/tokyorika/​​​

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
​​https://mirai.kinokuniya.co.jp/tokyorika/

馬場敬之「確率統計」、マセマ出版社

１．ガイダンス，Pythonの利用確認：Pythonの利用環境の確認とデータの利用方法を習得する．

２．データの取り込み：統計解析のためのデータの取り込みができるようになる．

３．ヒストグラムと代表値：ヒストグラムと代表値を求められるようになる．

４．グラフと相関１：グラフが描けるようになる．

５．グラフと相関２：相関関数が求められるようになる．

６．アンケートと時系列データ：クロス集計と移動平均について理解する．

７．確率の基礎：基本的な確率論を習得する．

８．推定の基礎：推定の原理を理解し，データから推定できるようになる．

９．検定1　検定の基礎：両側検定と片側検定について理解し，検定を実施できるようになる．

１０．推定と検定の課題実習：推定と検定についての課題を実習する．

１１．検定2　t検定の応用と分散の検定：χ2検定とF検定をできるようになる．

１２．検定3　独立性と適合度：独立性検定，適合度検定をできるようになる．

１３．回帰分析の基礎：１変数の線形回帰ができるようになる．

１４．総まとめ

１５．到達度評価および講評

-

-

-

Y

-