授業内容・計画（詳細）の情報

ページを読み終えましたら、ブラウザを終了させてください。

【基本情報】

2018年度	秋学期

授業科目名	データアナリシス

曜日　時限	月-4

テーマ	初歩的なデータ分析

キーワード	Excel	統計解析	データの可視化

【授業要旨または授業概要】

　データサイエンスは、ビジネスや研究など多くの分野への活用が期待され、社会的要請が高い。データサイエンスのひとつの手法が統計学である。本授業は、ICT分野で必要とされる統計学を、初学者でも理解できるように身近な事例を取り入れた入門科目である。この授業では、統計学の基本的な考え方を理解し、表計算ソフト（Excel）を用いた統計関数の使い方やデータの可視化を習得して、初歩的なデータ分析の理解を深めることを目的とする。
主な学修項目は、
(1) 確率論の基礎
(2) 期待値と標本
(3) 大数の法則と中心極限定理
(4) 仮説検定
(5) 有意確率p値の計算
(6) 一元配置分散分析
(7) 信頼区間とｔ検定
(8) 因果と相関
などについて行う。
本授業では、Excelによる基本的な統計処理や可視化を行い、統計的な考え方の理解と基本的な統計処理能力を身につけることを目標とする。

【学修の到達目標】

授業で育成する力スキル
全学共通：自ら考える力
センター：情報処理力

学修の到達目標
(1) データの収集と整理ができる（情報処理力、自ら考える力）
(2) 的確な手段を用いて、データ分析ができる（情報処理力）
(3) 分析結果をまとめられる（情報処理力）
(4) データの本質的な意味を見抜く（自ら考える力）

上記の到達目標の評価基準については、添付資料を参照のこと

添付ファイル：データアナリシス_成績評価基準.pdf

【授業計画】

◆スケジュール

第１回: ガイダンス、データ分析の意義
第２回: 期待値と標本（1）（確率や期待値の計算）
第３回: 期待値と標本（2）（標本による母集団の推定）
第４回: 分布の偏り（1）（実験結果と理論期待値の比較と可視化）
第５回: 分布の偏り（2）（理論的確率分布と正規分布）
第６回: 仮説検定（1）（帰無仮説と対立仮説）
第７回: 仮説検定（2）（有意水準（p値）の正確な計算と近似計算）
第８回: カイ自乗分布（1）（カイ自乗分布を用いたp値の計算）
第９回: カイ自乗分布（2）（クロス表によるカイ自乗検定）
第１０回: 分散分析（グループ間の平均値の比較）
第１１回: ｔ検定（ｔ分布を用いた仮説検定）
第１２回: 因果と相関（1）（近似直線と回帰分析）
第１３回: 因果と相関（2）（相関係数と偏相関係数）
第１４回: 模擬試験と解説

◆予習・復習

授業スケジュール毎に、2時間の予習・2時間の復習（授業外での課題作成を含む）を基
本原則とします。

第１回: ガイダンス、データ分析の意義
事前学習：確率などの基礎数学を復習する。
事後学習：身の回りで使われている統計解析を調べる。

第２回: 期待値と標本（1）（確率や期待値の計算）
事前学習：確率や期待値の計算を復習する。
事後学習：課題を実施する。


第３回: 期待値と標本（2）（標本による母集団の推定）
事前学習：母集団について調べる。
事後学習：課題を実施する。

第４回: 分布の偏り（1）（実験結果と理論期待値の比較と可視化）
事前学習：分布の偏りについて調べる。
事後学習：課題を実施する。

第５回: 分布の偏り（2）（理論的確率分布と正規分布）
事前学習：正規分布について調べる。
事後学習：課題を実施する。

第６回: 仮説検定（1）（帰無仮説と対立仮説）
事前学習：仮説検定について調べる。
事後学習：課題を実施する。

第７回: 仮説検定（2）（有意確率（p値）の正確な計算と近似計算）
事前学習：有意確率（p値）について調べる。
事後学習：課題を実施する。

第８回: カイ自乗分布（1）（カイ自乗分布を用いたp値の計算）
事前学習：カイ自乗分布について調べる。
事後学習：課題を実施する。

第９回: カイ自乗分布（2）（クロス表によるカイ自乗検定）
事前学習：クロス表について調べる。
事後学習：課題を実施する。

第１０回: 分散分析（グループ間の平均値の比較）
事前学習：分散分析について調べる。
事後学習：課題を実施する。

第１１回: ｔ検定（ｔ分布を用いた仮説検定）
事前学習：ｔ分布について調べる。
事後学習：課題を実施する。

第１２回: 因果と相関（1）（近似直線と回帰分析）
事前学習：回帰分析について調べる。
事後学習：課題を実施する。

第１３回: 因果と相関（2）（相関係数と偏相関係数）
事前学習：相関係数について調べる。
事後学習：課題を実施する。

第１４回: 模擬試験と解説
事前学習：第１３回までの総復習を行う。
事後学習：模擬試験の結果を踏まえ第１３回までの総復習を行う。

◆集中授業の期間

2018/9/24から2019/1/7まで

【履修上の注意点】

先修条件はない。
Excelの初歩的な操作方法を習得済みであることが望ましい。
「ICT入門」を履修済みであることが望ましい。
「データサイエンス入門」修得後、後続科目である「データサイエンス基礎」を履修し修得することで、日本統計学会が認定する統計検定３級レベルに対応する。
なお、「データサイエンス入門」は初歩的な統計解析を扱うが、「データサイエンス基礎」ではより実用的な統計解析を行う。

【成績評価の基準および方法】

課題（20％）定期試験（80％）で評価をする。 
到達度90％以上でＳ，80％以上でＡ、70％以上でＢ、60％以上でＣ、60％未満をＥとする。ただし、２／３以上の出席がない場合には成績評価の対象としない。

【教科書・参考書】

区分	書名	著者名	発行元	定価
教科書	サイコロとＥｘｃｅｌで体感する統計解析	石川幹人	共立出版	2,205

【その他の教材】

各単元のまとめを資料ファイルとして授業支援システムにアップする。

【担当教員への連絡方法】

電子メールで受け付ける。
アドレス：kurita@is.icc.u-tokai.ac.jp
メールには【件名】に「講義名」「質問内容の要旨」、【本文】に質問者の「学番」「氏
名」「質問内容」を記載すること。

PAGE TOP