経済学研究科Graduate School of Economics
ECN523C1－3（経済学 / Economics 500）統計学DＡStatistics DA
菅 幹雄Mikio SUGA
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 経済学研究科Graduate School of Economics |
| 添付ファイル名Attached documents | |
| 年度Year | 2024 |
| 授業コードClass code | X3323 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 春学期授業/Spring |
| 曜日・時限Day/Period | 土1/Sat.1 |
| 科目種別Class Type | |
| キャンパスCampus | 市ヶ谷 |
| 教室名称Classroom name | 市院棟‐401 |
| 配当年次Grade | |
| 単位数Credit(s) | 2 |
| 備考（履修条件等）Notes | |
| 実務経験のある教員による授業科目Class taught by instructors with practical experience |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
（Course outline）The aim of this course is to help students acquire statistical literacy.
（Learning Objectives） The goals of this course are to master statistics and apply them by using data.
（Learning activities outside of classroom）Before/after each class meeting, students will be expected to spend four hours to understand the course content.
（Grading Criteria /Policies）Grading will be decided based on answering end-of-chapter questions in class.
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的（何を学ぶか）Outline and objectives
データサイエンスおよび統計のリテラシーを身に着けること。
到達目標Goal
データサイエンスの基礎を固め、さらにそれを実際に応用できるようになること。
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか（該当授業科目と学位授与方針に明示された学習成果との関連）Which item of the diploma policy will be obtained by taking this class?
ディプロマポリシーのうち、「DP1」「DP2」に関連
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)（学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. ）
教員は教科書の内容に基づいて、それをExcelおよびRで実際に計算する方法を説明する。学生は章末の問題を宿題としてExcelおよびRを用いて解き、それを授業内で発表する。さらに学んだ技法を応用した実証分析を行った小論文を作成する。
アクティブラーニング（グループディスカッション、ディベート等）の実施Active learning in class (Group discussion, Debate.etc.)
なし / No
フィールドワーク（学外での実習等）の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching：対面/face to face
※各回の授業形態は予定です。教員の指示に従ってください。
第1回[対面/face to face]：ガイダンス、Rの基礎
授業の進め方、Rの基礎
第2回[対面/face to face]：データの表現
度数分布とそのグラフ、ローレンツ曲線、パレート図、2変量データの表現
第3回[対面/face to face]：データの特性値
データの中心的位置をとらえる代表値、データの散らばりの程度をとらえる指標、データの標準化
第4回[対面/face to face]：データの収集
統計的探究プロセス、 母集団と標本、標本抽出の方法、インターネット調査、ビッグデータの偏り、実験研究と調査観察研究
第5回[対面/face to face]：確率(1)
確率を定義するための枠組み、確率の定義とモデリング、確率の性質、条件付き確率と乗法定理、独立な事象の確率、ベイズの定理
第6回[対面/face to face]：確率(2)
確率を定義するための枠組み、確率の定義とモデリング、確率の性質、条件付き確率と乗法定理、独立な事象の確率、ベイズの定理
第7回[対面/face to face]：不確実な現象のモデリング(1)
確率変数と確率分布、 確率変数の平均と分散・標準偏差、代表的な確率分布、母集団分布とそのモデリング、 標本分布
第8回[対面/face to face]：不確実な現象のモデリング(2)
確率変数と確率分布、 確率変数の平均と分散・標準偏差、代表的な確率分布、母集団分布とそのモデリング、 標本分布
第9回[対面/face to face]：統計的推測（推定）(1)
点推定、区間推定
第10回[対面/face to face]：統計的推測（推定）(2)
点推定、区間推定
第11回[対面/face to face]：統計的推測（仮説検定）(1)
仮説検定の考え方、母数の検定、χ2検定、独立性の検定
第12回[対面/face to face]：統計的推測（仮説検定）(2)
仮説検定の考え方、母数の検定、χ2検定、独立性の検定
第13回[対面/face to face]：相関と回帰(1)
相関関係、回帰分析
第14回[対面/face to face]：相関と回帰(2)
相関関係、回帰分析
授業時間外の学習（準備学習・復習・宿題等）Work to be done outside of class (preparation, etc.)
本授業の準備学習・復習時間は、各2時間を標準とします。
テキスト（教科書）Textbooks
大内 俊二『データサイエンス指向の統計学』2021年、学術図書出版社、2200円。
参考書References
金城俊哉『R統計解析パーフェクトマスター（R4完全対応）［統計＆機械学習第2版］』、2022年、3190円。
成績評価の方法と基準Grading criteria
授業内での章末問題の解答50％、小論文50％。
学生の意見等からの気づきChanges following student comments
学部で統計学を履修していない学生も統計学の基礎を理解できるように授業を進める。
学生が準備すべき機器他Equipment student needs to prepare
パソコン。
【担当教員の専門分野等】
＜専門領域＞経済統計
＜研究テーマ＞産業連関表、物価指数。経済センサス、人口予測
＜主要研究業績＞『物価指数の測定論』、『アメリカ経済センサス研究』（共著）、『東京都の人口予測』（共著）