日本語 English
| 開講年度/ Academic YearAcademic Year |
20262026 |
| 科目設置学部/ CollegeCollege |
経営学部/College of BusinessCollege of Business |
| 科目コード等/ Course CodeCourse Code |
BT067/BT067BT067 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
統計学入門-推測統計- |
| 授業形態/ Class FormatClass Format |
オンライン（全回オンライン）/Online (all classes are online)Online (all classes are online) |
| 授業形態（補足事項）/ Class Format (Supplementary Items)Class Format (Supplementary Items) |
発話を伴う授業を学内で受講する場合は8201（池袋キャンパス）、N851（新座キャンパス）の利用可 |
| 授業形式/ Class StyleCampus |
講義/LectureLecture |
| 校地/ CampusCampus |
池袋/IkebukuroIkebukuro |
| 学期/ SemesterSemester |
秋学期2/Fall Semester2Fall Semester2 |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
月1/Mon.1 Mon.1 , 木2/Thu.2, Thu.2 ログインして教室を表示する（Log in to view the classrooms.） |
| 単位/ CreditsCredits |
22 |
| 科目ナンバリング/ Course NumberCourse Number |
BUS2200 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
科目コード登録/Course Code RegistrationCourse Code Registration |
| 配当年次/ Assigned YearAssigned Year |
配当年次は開講学部のR Guideに掲載している科目表で確認してください。配当年次は開講学部のR Guideに掲載している科目表で確認してください。 |
| 先修規定/ Prerequisite RegulationsPrerequisite Regulations |
|
| 他学部履修可否/ Acceptance of Other CollegesAcceptance of Other Colleges |
履修登録システムの『他学部・他研究科履修不許可科目一覧』で確認してください。 |
| 履修中止可否/ Course CancellationCourse Cancellation |
〇（履修中止可/ Eligible for cancellation） |
| オンライン授業60単位制限対象科目/ Online Classes Subject to 60-Credit Upper LimitOnline Classes Subject to 60-Credit Upper Limit |
○○ |
| 学位授与方針との関連/ Relationship with Degree PolicyRelationship with Degree Policy |
各授業科目は、学部・研究科の定める学位授与方針（DP）や教育課程編成の方針（CP）に基づき、カリキュラム上に配置されています。詳細はカリキュラム・マップで確認することができます。 https://www.rikkyo.ac.jp/about/disclosure/educational_policy/business.html |
| 備考/ NotesNotes |
In business settings, decision-making often involves inferring the whole picture from limited data or predicting future figures. Building on the knowledge acquired in "Business Literacy 1," this course aims to help students acquire the following applied skills:
Inference (Estimation): To probabilistically estimate the characteristics of a population (the whole) based on sample data.
Judgment (Hypothesis Testing): To determine the validity of a hypothesis based on statistical evidence rather than intuition or experience.
Prediction (Regression): To formulate the relationship between factors and results, and to create and interpret prediction models in a business context.
Taking a step forward from the descriptive statistics learned in "Business Literacy 1," students will learn "Inferential Statistics" to decipher the underlying laws from data. First, students will understand the concepts of probability distributions and sampling distributions, and master the methods of "Estimation" (inferring the whole from partial data) and "Hypothesis Testing" (verifying the validity of a hypothesis). Furthermore, regarding "Regression Analysis" used for sales forecasting and other applications, students will learn how to apply analysis results to business decision-making through practical exercises using Excel.
| 1 | 推測統計について：記述統計と推測統計の違い |
| 2 | 統計的推定の仕組み(1)標本分布：母集団と標本の関係 |
| 3 | 統計的推定の仕組み(2)大数の法則と中心極限定理：正規分布への収束 |
| 4 | 統計的推定(1)平均：母平均の区間推定（点推定と区間推定） |
| 5 | 統計的推定(2)比率：母比率の区間推定（支持率や視聴率の推定） |
| 6 | 仮説検定(1)基本：帰無仮説と対立仮説、有意水準、p値の考え方 |
| 7 | 仮説検定(2)平均：母平均の検定（t検定） |
| 8 | 仮説検定(3)比率：母比率の検定 |
| 9 | 仮説検定(4)2群の差：2群の平均の差の検定 |
| 10 | 仮説検定(5)独立性：クロス集計とカイ二乗検定 |
| 11 | 回帰分析(1)単回帰分析：1つの要因から予測する |
| 12 | 回帰分析(2)重回帰分析：複数の要因から予測する |
| 13 | 総合演習：推測統計を用いたデータ分析の実践 |
| 14 | まとめ |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
本授業は、知識を段階的に積み上げていく構成となっています。前回の内容理解が次の学習の前提となるため、こまめな復習を心がけてください。
復習: 授業で扱った検定や分析の手順を、Excelを用いて独力で再現できるように練習してください。
課題: Canvas LMSを通じて配布される課題に取り組み、分析結果の読み取り方を定着させてください。
本学では 1 単位あたりの学修時間を 45 時間としている(授業時間を含む)。この点を踏まえた上で、履修者は事前学修・事後学修を行うこと。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
小テスト（1回）とクイズ（複数回）(30%) 授業内課題(40%) 授業内テスト(30%) |
| 備考 (Notes) | ||
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 特に定めない。資料を配付します。 |
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 必要に応じて、授業内で紹介します。 |
ビジネスリテラシー1の内容を理解しているものとして授業を行います。
授業では、データ分析の際にExcelを使用します。資料の配布と授業内課題の提出には、Canvas LMSを使用しますので、PCで参加してください。
この授業とビジネスリテラシー１を合わせて履修することにより、統計の基礎を身につけることができる科目構成になっています。ビジネスリテラシー１とビジネスリテラシー２の両方を履修する場合、それぞれ履修登録をおこなってください。
ビジネスの現場では、限られたデータから全体像を推測したり、将来の数値を予測したりする意思決定が求められます。本授業では「ビジネスリテラシー1」で学んだ知識を土台に、以下の応用スキルを習得します。
推測力（推定）: 標本データから、母集団（全体）の特性を確率的に推定できる。
判断力（検定）: 勘や経験ではなく、統計的な根拠に基づいて仮説の正否を判定できる。
予測力（回帰）: 要因と結果の関係を数式化し、ビジネスにおける予測モデルを作成・解釈できる。
In business settings, decision-making often involves inferring the whole picture from limited data or predicting future figures. Building on the knowledge acquired in "Business Literacy 1," this course aims to help students acquire the following applied skills:
Inference (Estimation): To probabilistically estimate the characteristics of a population (the whole) based on sample data.
Judgment (Hypothesis Testing): To determine the validity of a hypothesis based on statistical evidence rather than intuition or experience.
Prediction (Regression): To formulate the relationship between factors and results, and to create and interpret prediction models in a business context.
ビジネスリテラシー1で学んだ記述統計を一歩進め、データから背後の法則性を読み解く「推測統計学」を学びます。 まず、確率分布や標本分布の概念を理解し、一部のデータから全体を推測する「推定」と、仮説が正しいかを検証する「仮説検定」の手法を習得します。さらに、売上予測などに使われる「回帰分析」についても、Excelを用いた実践的な演習を通じて、分析結果をビジネスの意思決定に活かす方法を学びます。
Taking a step forward from the descriptive statistics learned in "Business Literacy 1," students will learn "Inferential Statistics" to decipher the underlying laws from data. First, students will understand the concepts of probability distributions and sampling distributions, and master the methods of "Estimation" (inferring the whole from partial data) and "Hypothesis Testing" (verifying the validity of a hypothesis). Furthermore, regarding "Regression Analysis" used for sales forecasting and other applications, students will learn how to apply analysis results to business decision-making through practical exercises using Excel.
| 1 | 推測統計について：記述統計と推測統計の違い |
| 2 | 統計的推定の仕組み(1)標本分布：母集団と標本の関係 |
| 3 | 統計的推定の仕組み(2)大数の法則と中心極限定理：正規分布への収束 |
| 4 | 統計的推定(1)平均：母平均の区間推定（点推定と区間推定） |
| 5 | 統計的推定(2)比率：母比率の区間推定（支持率や視聴率の推定） |
| 6 | 仮説検定(1)基本：帰無仮説と対立仮説、有意水準、p値の考え方 |
| 7 | 仮説検定(2)平均：母平均の検定（t検定） |
| 8 | 仮説検定(3)比率：母比率の検定 |
| 9 | 仮説検定(4)2群の差：2群の平均の差の検定 |
| 10 | 仮説検定(5)独立性：クロス集計とカイ二乗検定 |
| 11 | 回帰分析(1)単回帰分析：1つの要因から予測する |
| 12 | 回帰分析(2)重回帰分析：複数の要因から予測する |
| 13 | 総合演習：推測統計を用いたデータ分析の実践 |
| 14 | まとめ |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
本授業は、知識を段階的に積み上げていく構成となっています。前回の内容理解が次の学習の前提となるため、こまめな復習を心がけてください。
復習: 授業で扱った検定や分析の手順を、Excelを用いて独力で再現できるように練習してください。
課題: Canvas LMSを通じて配布される課題に取り組み、分析結果の読み取り方を定着させてください。
本学では 1 単位あたりの学修時間を 45 時間としている(授業時間を含む)。この点を踏まえた上で、履修者は事前学修・事後学修を行うこと。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
小テスト（1回）とクイズ（複数回）(30%) 授業内課題(40%) 授業内テスト(30%) |
| 備考 (Notes) | ||
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 特に定めない。資料を配付します。 |
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 必要に応じて、授業内で紹介します。 |
ビジネスリテラシー1の内容を理解しているものとして授業を行います。
授業では、データ分析の際にExcelを使用します。資料の配布と授業内課題の提出には、Canvas LMSを使用しますので、PCで参加してください。
この授業とビジネスリテラシー１を合わせて履修することにより、統計の基礎を身につけることができる科目構成になっています。ビジネスリテラシー１とビジネスリテラシー２の両方を履修する場合、それぞれ履修登録をおこなってください。