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	春学期

授業科目名	データアナリシス

曜日　時限	火-1

テーマ	データ分析の基礎学習

キーワード	データ分析	統計解析	Excel

【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
・自ら考える力
・情報処理力（論理力、問題解決力）
・計算機による分析処理
◆学修の到達目標
（１）データ整理法（自ら考える力、情報処理力）
（２）データの見える化（自ら考える力、情報処理力）
（３）事象関係の把握（自ら考える力、情報処理力）
（４）グループの比較（自ら考える力、情報処理力）

添付ファイル：データアナリシスにおける学習到達目標（成績評価基準表）.xls

【授業計画】

◆スケジュール

【第１回】ガイダンス
【第２回】データ分析概要、Excelによるデータ整理、グラフ作成
【第３回】ヒストグラム
【第４回】基本統計量
【第５回】散布図、相関分析
【第６回】回帰分析
【第７回】重回帰分析
【第８回】中間試験
【第９回】定性データの分析
【第１０回】判別分析
【第１１回】検定
【第１２回】分散分析
【第１３回】実務データの分析
【第１４回】まとめおよび試験
※授業スケジュールは、授業の理解度などの状況に応じて変更する可能性がある。
履修希望者が多い場合、1回目の授業で抽選を実施するので、必ず出席すること。
(1回目欠席は欠員がない限り、履修を認めない)
授業では演習行う。その内容を中心に２時間程度の復習を必ず行うこと。また授業に
関連する項目の調査など２時間程度の予習を行うこと。

◆予習・復習

【第１回】ガイダンス
　事前学習：シラバス，Excel操作の確認
　事後学習：授業支援システムの操作を再確認
【第２回】データ分析概要、Excelによるデータ整理、グラフ作成
　事前学習：Excel操作(グラフ作成，関数)の確認
　事後学習：データ分析概要，Excelでのグラフ作成操作の確認
【第３回】ヒストグラム
　事前学習：1変数データ処理，Excelのグラフ作成操作の確認
　事後学習：ヒストグラムの作成手順の確認
【第４回】基本統計量
　事前学習：分散等の統計用語の確認
　事後学習：基本統計量の各項目の確認と理解
【第５回】散布図、相関分析
　事前学習：2変数データ処理の調査
　事後学習：相関分析の基本，散布図の作成の確認
【第６回】回帰分析
　事前学習：回帰分析の概要調査
　事後学習：単回帰分析の理解，Excel操作の確認
【第７回】重回帰分析
　事前学習：単回帰分析，説明変数，目的変数の理解
　事後学習：重回帰分析の基本，Excel操作，説明変数選択方法の理解
【第８回】中間試験
　事前学習：1変数のデータ分析，相関分析，回帰分析の確認
　事後学習：実データへの適用方法の確認
【第９回】定性データの分析
　事前学習：定性データ，定量データの分析方法の違いに関する調査，検討
　事後学習：数量化理論Ⅰ類の理解と分析方法の確認
【第１０回】判別分析
　事前学習：回帰分析，定量データの処理の確認
　事後学習：判別分析の理解，実データでの手順確認
【第１１回】検定
　事前学習：仮説，検定方法の事前確認
　事後学習：各検定方法の目的，利用方法の確認
【第１２回】分散分析
　事前学習：t検定，F検定の確認
　事後学習：分散分析，t検定，F検定の違い，利用方法の確認
【第１３回】実務データの分析
　事前学習：回帰分析，検定方法の目的，処理方法の確認
　事後学習：実データによる個人演習
【第１４回】まとめおよび確認試験
　事前学習：講義で説明した分析方法の目的，操作方法の確認
　事後学習：実データへの適用方法の確認

◆集中授業の期間

なし

【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】

試験と課題レポートを中心に総合的に評価する。
・評価比率は、演習課題：５０％、中間試験：１０％、確認試験：４０％、
・２／３以上の出席、及び試験を受けることを評価の必須条件とする。
　出席数未達および中間，期末試験未受験は評価対象外とする。
・課題はレポートとして内容を評価する（授業時間のみの未完了な報告は低評価）。
・無断履修者は成績対象としない。ガイダンス後に履修対象者は教育支援システムで
　公開する。

【教科書・参考書】

区分	書名	著者名	発行元	定価
教科書	Excelで簡単データ分析	河野真紀他	オーム社	2800
参考書	ビジュアルデータアナリシス	山下俊恵他	東海大学出版	1600

【その他の教材】

教科書は用いない。授業支援システムにてテキストを提供する。

【担当教員への連絡方法】

質問等は授業前（16号館講師室）、あるいはメール（ts623715@tsc.u-tokai.ac.jp）で
問い合わせてください。

PAGE TOP