講義概要/Course description
|
本講義では, データに基づく意思決定プロセスにおける「データ分析結果を正しく解釈すること」を重点的に扱う. 近年のデータサイエンスの社会への定着やAI技術の発展に伴い, ビジネス現場の多くでデータ分析を活用することが多くなり, またそれを強く求められるようにもなってきた. しかしながら, 初歩的なデータ分析手法であっても誤った使い方や誤った解釈をしている事例が数多くあり, また, 深層学習などに代表されるブラックボックスな機械学習手法を正しく理解して活用することはとてもハードルが高い. これに対し本講義では, 統計的仮説検定や回帰分析など, 現代社会の意思決定の多くの場面で使われ, かつ様々なデータ分析手法の基礎となる手法について, そのコンセプトから学習し, 誤った利用・誤った解釈をしなための専門知識の習得を行う. なお, 講義内容については講義の進捗に合わせて適宜変更する.
|
達成目標/Course objectives
|
データに内在する不確実性と確率変数との関係性を理解した上で, 統計的仮説検定や回帰モデリングによってデータの背景に存在する現象に関する知見を獲得することができるようになる. 推測統計や回帰モデリング, ブートストラップ法などのコンセプトを理解し, 正しく使えるようになる.
|
履修条件(事前に履修しておくことが望ましい科目など)/Prerequisite
|
経営データ分析のための基礎解析入門I・II, 経営データ分析のための線形代数I・II, エビデンスベースドマネジメント基礎を履修した上での履修が望ましい. また, 統計的意思決定論II とも同時に受講することを強く期待する. なお, 本講義は2019年度以降入学の経営学部経営学科生のみ履修可能である
|
授業計画/Lecture plan
|
1
|
授業計画/Class |
ガイダンス |
事前学習/Preparation |
必ずシラバスに目を通してからガイダンスに参加すること. |
事後学習/Reviewing |
必要な授業環境を構築する. |
|
2
|
授業計画/Class |
推測統計1(データと確率) |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
3
|
授業計画/Class |
推測統計2(確率変数) |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
4
|
授業計画/Class |
推測統計3(確率分布) |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
5
|
授業計画/Class |
推測統計4(推定) |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
6
|
授業計画/Class |
推測統計5(統計的仮説検定1) |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
7
|
授業計画/Class |
推測統計6(統計的仮説検定2) |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
8
|
授業計画/Class |
推測統計7(Python による推測統計演習) |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
9
|
授業計画/Class |
中間試験 |
事前学習/Preparation |
ここまでの講義内容を復習し, 知識を整理する. |
事後学習/Reviewing |
出題された問題を改めて解き直し, 講義内容の理解を深める. |
|
10
|
授業計画/Class |
推測統計8(ブートストラップ法) |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
11
|
授業計画/Class |
回帰モデリング1(推測統計での回帰モデリングと重回帰モデル) |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
12
|
授業計画/Class |
回帰モデリング2(モデル選択) |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
13
|
授業計画/Class |
回帰モデリング3(ロジスティック回帰モデリング) |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
14
|
授業計画/Class |
回帰モデリング4(Python による回帰モデリング演習) |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
15
|
授業計画/Class |
期末試験 |
事前学習/Preparation |
これまでの講義内容を復習する. |
事後学習/Reviewing |
出題された問題を改めて解き直し, 講義内容の理解を深める. |
|
|
授業方法/Method of instruction
|
本講義は対面講義(初回のみオンデマンド型)で実施します。 |
成績評価方法/Evaluation
|
1 |
試験 Exam
|
100%
|
中間試験(レポート形式)と期末試験(レポート形式)を40:60の割合で評価します.
|
|
参考書/Reference books
|
| 著者名 Author | タイトル Title | 出版社 Publisher | ISBN | |
1 |
田中豊, 他.
|
改訂版 日本統計学会公式認定 統計検定2級対応 統計学基礎
|
東京図書
|
9784489022272
|
|
2 |
松井 秀俊, 小泉 和之
|
統計モデルと推測 (データサイエンス入門シリーズ)
|
講談社
|
9784065178027
|
|
|