科目ナンバー

LE-AI1-L103

履修条件・関連科目等

授業で使用する言語

日本語

授業で使用する言語（その他の言語）

授業の概要

データサイエンスは、様々な現象を実際のデータを分析し、そこから有用な情報を引き出すための学問です。この授業では、データを分析する方法の基本を紹介します。具体的には、基本統計量、散布図と相関係数、クロス表とその検定、回帰分析の基礎、変数のコントロール、確率論の基礎、標本抽出法、正規分布、推定・検定理論とその応用、などを取り上げる予定です。

科目目的

様々なデータを分析してそこから有用な情報を引き出す方法の基本を紹介します。

到達目標

様々なデータを分析するための基本的な方法を理解すること、そして簡単な方法は使えるようになることを目指します。

授業計画と内容

第1回　履修上の注意、変数、度数分布表とヒストグラム
第2回　一変数の分析：基本統計量（代表値と散布度）
第3回　二変数の分析１：散布図と相関係数
第4回　二変数の分析２：クロス表と属性相関
第5回　二変数の分析３：回帰分析の基礎
第6回　相関と因果、変数のコントロール
第7回　確率と二項分布
第8回　正規分布
第9回　母集団・標本・標本平均、ランダム
第10回　推定１：推定の考え方
第11回　推定２：信頼区間
第12回　検定１：検定の考え方
第13回　検定２：差の検定、独立性の検定
第14回　総括

授業時間外の学修の内容

指定したテキストやレジュメを事前に読み込むこと／授業終了後の課題提出

授業時間外の学修の内容（その他の内容等）

授業時間外の学修に必要な時間数／週

・毎週１回の授業が半期（前期または後期）または通年で完結するもの。１週間あたり４時間の学修を基本とします。
・毎週２回の授業が半期（前期または後期）で完結するもの。１週間あたり８時間の学修を基本とします。

成績評価の方法・基準

成績評価の方法・基準（備考）

もし入校制限が課せられる事態になった場合、各自の自宅で学習と課題の作成をしてもらうことになります。その場合は各自でExcelを準備してください。

課題や試験のフィードバック方法

授業時間内で講評・解説の時間を設ける

課題や試験のフィードバック方法（その他の内容等）

アクティブ・ラーニングの実施内容

PBL（課題解決型学習）

アクティブ・ラーニングの実施内容（その他の内容等）

授業におけるICTの活用方法

その他

授業におけるICTの活用方法（その他の内容等）

表計算ソフトによる演習と課題を課し、関数の使用方法なども覚えてもらいます。

実務経験のある教員による授業

いいえ

【実務経験有の場合】実務経験の内容

【実務経験有の場合】実務経験に関連する授業内容

テキスト・参考文献等

【参考文献】
松原望・森本栄一. 2021. 『わかりやすい統計学－データサイエンス基礎』丸善
盛山和夫. 2005.『社会調査法入門』有斐閣
東京大学教養学部統計学教室. 1991. 『統計学入門』東京大学出版会

その他特記事項

データを自分自身で使用してデータサイエンスの基礎になる統計学を学んでもらう実践形式の講義です。
様々な統計量がどのような情報を持ち、何を明らかにする値なのかを理論的に説明して理解を深めてもらいます。
わからないことがあれば講義後の口頭もしくはメールで構いませんので、遠慮せずに質問してください。

参考URL