日本語 English
| 開講年度/ Academic YearAcademic Year |
20262026 |
| 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 /Practical Inferential Statistics 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。 https://www.rikkyo.ac.jp/about/disclosure/educational_policy/economics.html |
| 備考/ NotesNotes |
旧科目名）経済情報処理Ｂ |
While acquiring fundamental techniques for data analysis using Python, this course aims to deepen students’ understanding of inferential statistics learned in statistics courses and to develop the ability to apply these concepts in practice.
Inferential statistics is often perceived as unpopular, perhaps because it is based on probability theory and involves complex calculations. However, particularly in the field of economics—where topics such as GDP, population, exchange rates, stock prices, and consumer behavior are analyzed—it is frequently required and is of significant practical value to society.
In this course, calculations in inferential statistics, which are often regarded as difficult or unappealing, are simplified through the use of Python. By easily changing data and parameters, examining how numerical results respond, and visualizing the shapes of underlying functions, students will repeatedly engage in trial and error to gain an intuitive and experiential understanding of the concepts. No prior knowledge is required. As the course does not cover econometrics, students who wish to learn more advanced methods are encouraged to ask 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などの解説 |
| 3 | 基本的な計算および構文、オリジナルの関数を作成するには？ |
| 4 | 度数分布表とヒストグラムを描出してデータを理解する |
| 5 | ２変数の関係性を読み解く、相関係数と共分散 |
| 6 | 確率論の基礎、母集団と標本 |
| 7 | 確率論の基礎、コイン投げシミュレーション |
| 8 | 標本分布の活用方法 |
| 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。
各回の予習・復習にはそれぞれ2時間程度を要する。
| 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(15%) 最終レポート(Final Report)(15%) |
| 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。
Pythonでデータ分析を行うための基本的な技術を取得しながら、統計学で学んだ推測統計学をより深く理解し応用することができる力を養う。
While acquiring fundamental techniques for data analysis using Python, this course aims to deepen students’ understanding of inferential statistics learned in statistics courses and to develop the ability to apply these concepts in practice.
推測統計学は確率論を前提とし計算が複雑に思えるためか、あまり人気がない。しかし特にGDPや人口、為替、株価、消費行動などを考察対象とする経済分野では必要とされる場面が多く、社会的にも重宝される分野である。
本講義では、嫌われがちで複雑に思える推測統計学の計算過程をPythonを用いて簡便にすることで、気軽にデータやパラメータを変えた場合の数値の動き方を確かめたり、背景にある関数の形状を描出したりしながら、試行錯誤を繰り返し知識を「実感」して身に着ける。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。
Inferential statistics is often perceived as unpopular, perhaps because it is based on probability theory and involves complex calculations. However, particularly in the field of economics—where topics such as GDP, population, exchange rates, stock prices, and consumer behavior are analyzed—it is frequently required and is of significant practical value to society.
In this course, calculations in inferential statistics, which are often regarded as difficult or unappealing, are simplified through the use of Python. By easily changing data and parameters, examining how numerical results respond, and visualizing the shapes of underlying functions, students will repeatedly engage in trial and error to gain an intuitive and experiential understanding of the concepts. No prior knowledge is required. As the course does not cover econometrics, students who wish to learn more advanced methods are encouraged to ask 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などの解説 |
| 3 | 基本的な計算および構文、オリジナルの関数を作成するには？ |
| 4 | 度数分布表とヒストグラムを描出してデータを理解する |
| 5 | ２変数の関係性を読み解く、相関係数と共分散 |
| 6 | 確率論の基礎、母集団と標本 |
| 7 | 確率論の基礎、コイン投げシミュレーション |
| 8 | 標本分布の活用方法 |
| 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。
各回の予習・復習にはそれぞれ2時間程度を要する。
| 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(15%) 最終レポート(Final Report)(15%) |
| 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。