シラバス参照

印刷
講義名 ２４秋　前期／統計学
基準単位数 1
科目区分 経営数理・問題解決（コア）
必修・選択 選択
配当年次 1・2年次
学修期間 学修期間1/2学期

担当教員
氏名
◎ 岡本 将輝

オフィスアワー eラーニングサイトおよびメールでの質疑応答を受け付けています。
（メールアドレスは大学院グループウェアのアドレス帳でご確認ください）
授業の概要 近年の急速なコンピューティング技術向上、および有効なデータベースインフラストラクチャの普及・促進は、容易なビッグデータ分析と新しい知見の導出を可能としています。一方で、データそのものと解析結果には常に不確実性が内包され、確かな解釈と利用のためには体系的な統計学の知識が欠かせません。あらゆるビジネスシーンでの合理的な意思決定を支える「統計リテラシーの構築」を目的として、基礎となる統計学を広く概説し、初歩的なデータ解析能力を獲得させることまでを目指します。
学修目標 1) 統計学の基本概念を理解し、説明することができる。
2) データの収集・整理・要約ができ、データ特性を説明することができる。
3) 適切な統計解析手法を選択・実行し、結果を解釈した上で説明することができる。
授業計画（各章）
第1回
タイトル
第１章　統計学とその学習
内容
第１節 本講義の概要
第２節 統計学とは
第３節 統計解析を身につけるために
第2回
タイトル
第２章　データとその取り扱い
内容
第１節 データの記述（1）
第２節 データの記述（2）
第３節 データの記述（3）
第４節 データハンドリングの実際
第3回
タイトル
第３章　相関分析
内容
第１節 散布図
第２節 共分散
第３節 相関係数（1）
第４節 相関係数（2）
第4回
タイトル
第４章　離散データの分析
内容
第１節 離散データとは
第２節 離散データ分析（1）
第３節 離散データ分析（2）
第４節 離散データ分析（3）
第5回
タイトル
第５章　連続データの分析
内容
第１節 連続データとは
第２節 連続データ分析（1）
第３節 連続データ分析（2）
第４節 連続データ分析（3）
第6回
タイトル
第６章　線形回帰分析
内容
第１節 回帰分析とは
第２節 交絡因子
第３節 線形単回帰分析
第４節 線形重回帰分析
第7回
タイトル
第７章　ビジネス統計学
内容
第１節 時系列データ分析（1）
第２節 時系列データ分析（2）
第３節 分散分析（1）
第４節 分散分析（2）
受講上の留意点 大学の既定のスケジュール通りに遅延なく受講してください。

適宜、Googleスプレッドシートを利用した解析演習を行い、知識の定着を図ります。各所に必要となる関数やアドオンは明記しますが、ソフトウェアの操作自体を本講義で詳細に取り扱うことはしません。Googleスプレッドシートは無料利用ができ、強力な計算機能の他、クラウドベースゆえの充実した共有機能を持つため、チームとしての編集・管理にも有効です。統計解析パッケージは多種多様存在しますが、初期の導入が容易で今後の利用範囲を広く見込めるため、本講義ではGoogleスプレッドシートを採用しています。取り扱いに習熟する機会と捉えた上での積極的な個別学習を期待します。
成績評価基準 出席状況 30%、各章確認テスト 20%、期末試験 50%
必読書籍 特になし。
参考書籍 ・森棟公夫ら 「統計学　改訂版」 有斐閣社 2015
・アミール・D・アクゼルら 「ビジネス統計学 上下」 ダイヤモンド社 2016
（上記2冊は比較的平易な記述で、表計算ソフトを利用した解析の実例も含む）
・東京大学教養学部統計学教室 「統計学入門」 東京大学出版会 1991
（統計学の系統的理解の助けとなる。やや詳細な記述であるため、本講義受講終了後の発展的学習を求める場合に参照のこと）
・Gareth Jamesら 「An Introduction to Statistical Learning」 2013 Springer社
（英語での通読が苦にならず、Rの学習希望がある場合に適する。良書）
その他 統計学を含むデータサイエンスと数学は不可分と言えますが、講義内ではできるだけ前提知識を要さない内容を心がけ、必要箇所については参考文献・解説論文を示すことでも都度の学習を促します。ただし、効果的な学習のためには、高校数学程度の数式理解（数学IAおよびIIBで取り扱う程度の関数や数列の計算、集合と確率、微積分など）は問題なくできることが望ましいと言えます。
事前学修・発展学修 事前学修：
各講義に入る前に、各章の資料と小テストに目を通し、要点を捉えておくことをお勧めします。また、統計に関する専門用語は都度調べ、厳密な定義を知ることでインプットとアウトプットの質が向上します。

発展学修：
講義で学んだ統計解析の手法を実際のデータに適用し、より深く実践的な理解を得ることが重要です。例えば、身近なデータを使用して散布図や相関係数を導出し、その結果を自身で解釈することで、理論を現実の状況に結びつけるトレーニングを行いましょう。
対面授業
対面授業は実施しません。