科目情報
コースナンバリング |
1351x-141 |
---|---|
科目名 |
基本統計学 |
開講学期 |
前期 |
開講時期 |
1クォータ |
曜日・校時 |
木4 |
単位数 |
2 |
授業担当教員 |
亀山 嘉大 |
講義情報
学士力番号
2(2)、3(2) |
講義形式
講義形式と演習形式 |
講義概要
統計学は幅広い分野で利用されている学問です。集団を代表的な数値で表現するときに平均をつかったり、所得格差をみるときにジニ係数という数値を用いるなど、統計学は私たちの日常生活の中で、常に利用されています。社会科学の学習においても統計学の知識は必要不可欠のものです。何故なら、経済や経営にかんする情報は量的データや質的データとして、誰でも比較的安く、簡単にしかも豊富に利用できるからです。GDPデータ、株価、為替、金利など経済活動を考えるときに重要なデータは、インターネットで簡単に入手でき、経済分析に利用することができます。このように、データが豊富に存在する経済学や経営学において、その分析には統計学の知識が不可欠であり、統計学の知識を持っていることはひとつのアドバンテージになります。 |
開講意図
(1)統計データとは何なのか、(2)統計データの取りまとめ方、(3)データの要約結果の見方などを習得し、経済学や経営学の学習においてデータ分析ができるようになることを意図している。(4)Excelで統計分析の基本ができるようになることを意図している。 |
到達目標
1.主要統計量(平均、分散など)の意味と計算方法を理解する。 |
聴講指定
ExcelがインストールされたPCを常に持参の上、授業に臨むこと(スマートフォンは役に立たないので、必ずPCを持参のこと)。Excelの使い方は、一定程度、習得しておくこと。 |
履修上の注意
令和5年度の学部専門科目は、一部の指定科目を除き、原則対面実施である。 |
授業計画
回 |
内容 |
授業以外の学習 |
---|---|---|
1 |
統計学の考え方-データサイズとAI(特に機械学習)との関連での重要性- |
次回までの課題:授業の復習をしておくこと |
2 |
データの種類, 度数分布とヒストグラム |
次回までの課題:復習と課題 |
3 |
度数分布とヒストグラム |
次回までの課題:復習と課題(講義内にExcelでできなかったものも含めて、持ち帰ってできるようにしておく) |
4 |
中心位置の尺度(算術平均値、中央値、重み付き平均) |
次回までの課題:復習と課題(講義内にExcelでできなかったものも含めて、持ち帰ってできるようにしておく) |
5 |
中心位置の尺度(幾何平均値と移動平均) |
次回までの課題:復習と課題(講義内にExcelでできなかったものも含めて、持ち帰ってできるようにしておく) |
6 |
散らばりの尺度(標準偏差、変動係数、標準化と偏差値) |
次回までの課題:復習と課題(講義内にExcelでできなかったものも含めて、持ち帰ってできるようにしておく) |
7 |
散らばりの尺度(変動係数、標準化と偏差値、Box Plot) |
次回までの課題:復習と課題(講義内にExcelでできなかったものも含めて、持ち帰ってできるようにしておく) |
8 |
度数分布から求める要約値 |
次回までの課題:復習と課題(講義内にExcelでできなかったものも含めて、持ち帰ってできるようにしておく) |
9 |
分割表(クロス集計) |
次回までの課題:復習と課題(講義内にExcelでできなかったものも含めて、持ち帰ってできるようにしておく) |
10 |
相関係数とその意味 |
次回までの課題:復習と課題(講義内にExcelでできなかったものも含めて、持ち帰ってできるようにしておく) |
11 |
直線のあてはめ(最小二乗法)① |
次回までの課題:復習と課題(講義内にExcelでできなかったものも含めて、持ち帰ってできるようにしておく) |
12 |
直線のあてはめ(最小二乗法)② |
次回までの課題:復習と課題(講義内にExcelでできなかったものも含めて、持ち帰ってできるようにしておく) |
13 |
経済データの解説およびその活用 |
次回までの課題:復習と課題(講義内にExcelでできなかったものも含めて、持ち帰ってできるようにしておく) |
14 |
統計解析ソフトRの活用 |
次回までの課題:復習と課題 |
15 |
15 全体的なまとめ |
次回までの課題:定期試験の準備として、全講義を振り返って復習しておくこと。 |
成績評価の方法と基準
定期試験成績による。定期試験は到達目標1、2、3、4をすべて含む内容になる。 |
開示する成績評価の根拠資料等
試験問題と解答例を状況に応じて、開示か説明する。 |
開示方法
メールでアポイントのあと、研究室などで解答を開示し、解答例を開示か解説する。 |
教科書
資料名 |
版 |
|
---|---|---|
著者名 |
発行所名・発行者名 |
出版年 |
備考(巻冊:上下等) |
ISBN |
|
参考書で掲載したものの内1つを好み(自分の理解しやすさ)に合わせて持っておくことが望ましい |
||
参考図書
資料名 |
版 |
|
---|---|---|
著者名 |
発行所名・発行者名 |
出版年 |
備考(巻冊:上下等) |
ISBN |
|
データサイエンス指向の統計学 |
||
大内俊二 |
学術図書出版社 |
2021 |
ISBN: 978-4780609165 |
978-4780609165 |
|
第2版 |
||
白砂堤津耶著 |
日本評論社 |
2015 |
9784535557901 |
オフィスアワー
火4 |
アクティブラーニング導入状況
アクティブラーニング導入状況 |
||||
---|---|---|---|---|
カテゴリー4 |
カテゴリー3 |
カテゴリー2 |
カテゴリー1 |
カテゴリー0 |
学生が自ら主体となって、学習の方向性を定め、問題解決に導くための時間です。PROBLEM BASED LEARNING |
グループや個人で行った能動的学習の成果を、教室内外で発表し、その評価を受けたり、質問に対応したりすることにより、学修した内容を深化させるための時間です。OUTPUT |
学生自らが自由に発言し、グループやペアでの協働活動により課題に取り組み、何らかの帰結に到達するための能動的学習の時間です。INTERACTION |
学生からの自由な発言機会はないものの、授業時間中に得られた知識や技能を自ら運用して、問題を解いたり、課題に取り組んだり、授業の振り返りをしたりする能動的学習を行う時間です。ACTION |
基本的に学生は着席のまま、講義を聞き、ノートをとり、知識や技能を習得に努める時間です。INPUT |
0 |
0 |
20 |
20 |
60 |
その他
佐賀大学データサイエンス教育プログラム(リテラシーレベル)に対する学修到達目標:(1-2)、 (1-4)、(1-5)、(2) |