法学部Faculty of Law
PRI200FA（情報学基礎 / Principles of informatics 200）基礎統計学ⅡBasic Statistics II
高橋 慎
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 法学部Faculty of Law |
| 添付ファイル名Attached documents | |
| 年度Year | 2023 |
| 授業コードClass code | A4308 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 秋学期授業/Fall |
| 曜日・時限Day/Period | 火3/Tue.3 |
| 科目種別Class Type | |
| キャンパスCampus | 市ヶ谷 |
| 教室名称Classroom name | 市外濠‐S307 |
| 配当年次Grade | 2～4 |
| 単位数Credit(s) | 2 |
| 備考（履修条件等）Notes | 政治学科のみ履修可 ※経営学部との合併科目 |
| 他学部公開科目Open Program | |
| 他学部公開（履修条件等）Open Program (Notes) | |
| グローバル・オープン科目Global Open Program | |
| 成績優秀者の他学部科目履修制度対象Interdepartmental class taking system for Academic Achievers | |
| 成績優秀者の他学部科目履修（履修条件等）Interdepartmental class taking system for Academic Achievers (Notes) | |
| 実務経験のある教員による授業科目Class taught by instructors with practical experience | |
| SDGsCPSDGs CP | |
| アーバンデザインCPUrban Design CP | |
| ダイバーシティCPDiversity CP | |
| 未来教室CPLearning for the Future CP | |
| カーボンニュートラルCPCarbon Neutral CP | |
| 千代田コンソ単位互換提供（他大学向け）Chiyoda Campus Consortium | |
| カテゴリー（法律学科）Category (法律学科) | |
| カテゴリー（政治学科（2021年度以降入学者））Category (政治学科（2021年度以降入学者）) | 選択科目（他学科との共通科目除く） |
| カテゴリー（政治学科（2020年度以前入学者））Category (政治学科（2020年度以前入学者）) | 選択科目（政治学科科目のみ） |
| カテゴリー（国際政治学科（2021年度以降入学者））Category (国際政治学科（2021年度以降入学者）) | |
| カテゴリー（国際政治学科（2020年度以前入学者））Category (国際政治学科（2020年度以前入学者）) |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
Collecting/summarizing data and capturing the structure behind the data are important skills regardless of the field. A collection of methods for summarizing the data so that we can easily see its characteristics is called "descriptive statistics". On the other hand, a collection of methods for inferring the data-generating structure is called "inferential statistics" or "statistical inference". In this course, we will learn the basic elements of "inferential statistics" based on "probability theory".
The primary goals of this course are: to understand the basic concepts of statistics and to be able to explain them to others; to be able to organize and summarize data; and to be able to discuss trends in data from summary statistics and graphs.
You will be expected to review the textbook and materials after class to check your understanding of the basic concepts. You will be required to complete practice questions as assignments. The standard preparation and review time for this class is 2 hours each.
Grades will be based on 40% assignments and 60% final exam.
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
データを収集・整理し、データの背後にある構造を捉えることは、分野を問わず重要なスキルです。収集されたデータをまとめて、見やすく整理する方法は「記述統計」と呼ばれます。一方、データを生み出した背後の構造を推論することは「推測統計」あるいは「統計的推測」と呼ばれます。この授業では、「確率論」に基づく「推測統計」の基礎的事項を学びます。
到達目標Goal
・統計学の基本的な考え方を理解し、他の人に説明できる。
・データの整理・要約ができる。
・データの要約やグラフからデータの傾向について考察できる。
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. ）
・スライドを利用した講義形式で授業を進めます。
・授業で学習した内容について、練習問題を解いて理解を深めます。
・練習問題の提出期限後の授業で、解答と解説を行います。
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.)
あり / Yes
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[オンライン/online]：ガイダンス/統計学とは
授業の進め方と学習法、受講態度、必要な予備知識について説明します。また、データと母集団などの統計学の基本的概念を学びます。
第2回[対面/face to face]：母数の推定1：基本概念/点推定
データから母集団の特性値（母数）を推測すること（推定）の考え方、推定量と推定地などの基本概念を学びます。また、母集団の平均（母平均）の推定量の統計的性質を学びます。
第3回[対面/face to face]：母数の推定2：区間推定
母平均が存在すると思われる区間の推定（区間推定）を学びます。
第4回[対面/face to face]：仮説検定1：母平均の仮説検定
母数についての仮説とデータが整合的かどうかを検証する方法（仮説検定）の手順と基本概念を学びます。
第5回[対面/face to face]：仮説検定2：差の検定
2つの母集団の間の「母数の差の有無」を検定する方法を学びます。
第6回[対面/face to face]：正規分布の派生分布1：カイ2乗分布
カイ2乗分布の定義とそれを用いた母分散の区間推定を学びます。
第7回[対面/face to face]：正規分布の派生分布2：t分布
t分布の定義とそれを用いた母平均の推定と検定（t検定）を学びます。
第8回[対面/face to face]：回帰分析の基礎1：基本概念/最小2乗法
変数間の関係を数量的に測る方法のひとつである回帰分析の基本概念を学びます。また、代表的な推定法である最小2乗法を学びます。
第9回[対面/face to face]：回帰分析の基礎2：最小2乗推定量の導出/決定係数
最小2乗法による推定量の求め方を学びます。また、当てはまりの尺度である決定係数の定義と性質を学びます。
第10回[対面/face to face]：単回帰分析1：確率的モデル/標準的仮定/最小2乗推定量の確率的性質
単回帰分析を通じて、最小2乗推定量の確率的性質を学びます。
第11回[対面/face to face]：単回帰分析2：信頼区間と仮説検定/決定係数についての考察
母数に関する信頼区間の求め方や仮説検定の方法を学びます。また、決定係数を用いる際の注意点を学びます。
第12回[対面/face to face]：重回帰分析1：自由度修正済み決定係数/多重共線性/ダミー変数
重回帰分析で決定係数を用いる際の注意点を学びます。また、重回帰分析に特有の問題を学びます。
第13回[対面/face to face]：重回帰分析2：回帰分析で直面する問題
回帰分析で直面しがちな問題への対処法を学びます。
第14回[対面/face to face]：まとめ
授業で扱った内容を復習し、発展的トピックを紹介します。
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.)
・授業後にテキストや資料を見直し、基本概念の理解度を確認します。
・練習問題を宿題として解きます。
・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
・薮友良 (2012) 『入門 実践する統計学』 東洋経済新報社
・Diez・Cetinkaya-Rundel・Barr著、国友・小暮・吉田訳 （２０２１) 『データ分析のための統計学入門」("OpenIntro Statistics, 4th Edition"）』 日本統計協会、ISBN 978-4-8223-4105-3
PDF版は以下のリンクからダウンロードできます。
http://www.kunitomo-lab.sakura.ne.jp/2021-3-3Open(S).pdf
参考書References
授業中に適宜紹介します。
成績評価の方法と基準Grading criteria
・練習問題：40%
・期末試験：60%
学生の意見等からの気づきChanges following student comments
経営学分野における統計学の話題を多く取り入れます。
学生が準備すべき機器他Equipment student needs to prepare
授業内で行う演習や練習問題を解くには、統計計算ができる電卓またはエクセル（あるいはGoogleスプレッドシート）を使える端末(スマートフォン、タブレット、パソコン等)が必要となります。
その他の重要事項Others
・基礎統計学Iの内容を前提とします。
・「授業の進め方と方法」および「授業形態」は、状況によって変更することがあります。
・「授業計画」は、履修者の関心や授業の進捗状況に応じて変更することがあります。
関連科目
・統計学入門
・基礎統計学I
・経営のための統計学I / II