日本語 English
| 開講年度/ Academic YearAcademic Year |
20252025 |
| 科目設置学部/ CollegeCollege |
経済学部/College of EconomicsCollege of Economics |
| 科目コード等/ Course CodeCourse Code |
BX366/BX366BX366 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
Pythonで実践する推測統計学 /Inferential Statistics in Practice with Python |
| 授業形態/ Class FormatClass Format |
対面（全回対面）/Face to face (all classes are face-to-face)Face to face (all classes are face-to-face) |
| 授業形態（補足事項）/ Class Format (Supplementary Items)Class Format (Supplementary Items) |
対面（全回対面）/Face to face (all classes are face-to-face) |
| 授業形式/ Class StyleCampus |
講義/LectureLecture |
| 校地/ CampusCampus |
池袋/IkebukuroIkebukuro |
| 学期/ SemesterSemester |
秋学期/Fall semesterFall semester |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
月2/Mon.2 Mon.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 |
ECO2340 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
抽選登録/Lottery RegistrationLottery Registration（定員：70人/ Capacity：70） |
| 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 |
2024年度以降入学者／データ分析入門1・2 2023年度以前入学者／情報処理入門1・2 |
| 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。 |
| 備考/ NotesNotes |
旧科目名）経済情報処理Ｂ |
The goal of this course is to understand the fundamentals of inferential statistics, develop the skills to process data using tools like Python, and cultivate the ability to interpret statistical information published across various media.
In today's society, both academic and practical fields frequently face challenges in processing the vast amounts of information generated daily. In the economic domain, in particular, it is essential to develop the ability to organize, analyze, and interpret numerical data, such as economic statistics released by government agencies, public opinion surveys from various media, corporate financial information, stock prices, and market research from POS data. Statistics serves as the foundation for cultivating these skills.
This course aims to develop the ability to apply statistics by not only attending lectures but also performing calculations independently. Each session includes practical exercises using Python. No prior knowledge is required. Note that the course does not cover advanced methods within the field of econometrics. For those interested in such applications, additional questions can be addressed separately.
| 1 | 講義のガイダンス、プログラミング言語の解説 |
| 2 | Pythonを活用するための準備、Jupyter Notebook、Google Colaboratory |
| 3 | 基本的な計算および構文 |
| 4 | 記述統計量など、データを読み取るために必要な数値の算出 |
| 5 | ２変数の関係性を読み解く |
| 6 | 確率論の基礎、母集団と標本 |
| 7 | 確率変数と確率分布 |
| 8 | 標本と標本分布 |
| 9 | 点推定と区間推定① |
| 10 | 点推定と区間推定② |
| 11 | 仮設検定① |
| 12 | 仮設検定② |
| 13 | 回帰分析 |
| 14 | 講義総括 |
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
講義後に各回で作成したスクリプトファイルに目を通し、実行時に返される結果をイメージできるようにしておくこと。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 筆記試験 (Written Exam) | 70 | |
| 平常点 (In-class Points) | 30 |
講義中に出題する演習問題(30%) |
| 備考 (Notes) | ||
なし/None
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | 馬場真哉 | 『Pythonで学ぶあたらしい統計学の教科書 第2版』 | 翔泳社 | 2022 | 9784798171944 |
| 2 | 谷合廣紀・辻真吾 | 『Pythonで理解する統計解析の基礎 (PYTHON×MATH SERIES)』 | 技術評論社 | 2018 | 9784297100490 |
| 3 | 原泰史 | 『Pythonによる経済・経営分析のためのデータサイエンス～分析の基礎から因果推論まで』 | 東京図書 | 2019 | 9784489023507 |
１年次に履修した推測統計学の知識、および新聞やニュース程度のマクロ経済および企業関連の情報への理解あるいは関心があれば望ましい。
教室備え付けのPC端末ではなく、個人所有のものを使用したい場合は初回講義までに各自で用意すること。
推測統計学の基礎を理解し、Pythonなどを用いて実際にデータ処理を行う技術を身に着けると共に、様々な媒体から公表される統計情報を読み解く能力を養うことを目標とする。
The goal of this course is to understand the fundamentals of inferential statistics, develop the skills to process data using tools like Python, and cultivate the ability to interpret statistical information published across various media.
現代社会では、学術分野はもとより実務においても、日々生み出される大量の情報の処理について頭を悩ませる場面が多い。官公庁が公表する経済統計情報や各メディアの世論調査、企業の財務情報や株価情報、POSによる市場調査など、特に経済分野では数値情報を整理し分析する能力、あるいは読み解く能力が不可欠である。統計学はそのような能力を養うための基礎となる。
本講義では、聴講するだけではなく実際に自分自身の手で計算を行うことにより、統計学を活用する能力を養う。毎回の講義でPythonを活用して演習を行う。事前知識は特に必要としない。また、計量経済学の領域までは扱わないため応用的な方法を知りたい場合は別途質問すること。
In today's society, both academic and practical fields frequently face challenges in processing the vast amounts of information generated daily. In the economic domain, in particular, it is essential to develop the ability to organize, analyze, and interpret numerical data, such as economic statistics released by government agencies, public opinion surveys from various media, corporate financial information, stock prices, and market research from POS data. Statistics serves as the foundation for cultivating these skills.
This course aims to develop the ability to apply statistics by not only attending lectures but also performing calculations independently. Each session includes practical exercises using Python. No prior knowledge is required. Note that the course does not cover advanced methods within the field of econometrics. For those interested in such applications, additional questions can be addressed separately.
| 1 | 講義のガイダンス、プログラミング言語の解説 |
| 2 | Pythonを活用するための準備、Jupyter Notebook、Google Colaboratory |
| 3 | 基本的な計算および構文 |
| 4 | 記述統計量など、データを読み取るために必要な数値の算出 |
| 5 | ２変数の関係性を読み解く |
| 6 | 確率論の基礎、母集団と標本 |
| 7 | 確率変数と確率分布 |
| 8 | 標本と標本分布 |
| 9 | 点推定と区間推定① |
| 10 | 点推定と区間推定② |
| 11 | 仮設検定① |
| 12 | 仮設検定② |
| 13 | 回帰分析 |
| 14 | 講義総括 |
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
講義後に各回で作成したスクリプトファイルに目を通し、実行時に返される結果をイメージできるようにしておくこと。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 筆記試験 (Written Exam) | 70 | |
| 平常点 (In-class Points) | 30 |
講義中に出題する演習問題(30%) |
| 備考 (Notes) | ||
なし/None
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | 馬場真哉 | 『Pythonで学ぶあたらしい統計学の教科書 第2版』 | 翔泳社 | 2022 | 9784798171944 |
| 2 | 谷合廣紀・辻真吾 | 『Pythonで理解する統計解析の基礎 (PYTHON×MATH SERIES)』 | 技術評論社 | 2018 | 9784297100490 |
| 3 | 原泰史 | 『Pythonによる経済・経営分析のためのデータサイエンス～分析の基礎から因果推論まで』 | 東京図書 | 2019 | 9784489023507 |
１年次に履修した推測統計学の知識、および新聞やニュース程度のマクロ経済および企業関連の情報への理解あるいは関心があれば望ましい。
教室備え付けのPC端末ではなく、個人所有のものを使用したい場合は初回講義までに各自で用意すること。