English
| 開講年度/ Academic Year |
2024 |
| 科目設置学部/ College |
経済学部/College of Economics |
| 科目コード等/ Course Code |
BX372/BX372 |
| テーマ・サブタイトル等/ Theme・Subtitle |
Python入門、Pythonによる統計解析の基礎、統計データ分析 |
| 授業形態/ Class Format |
対面（全回対面）/Face to face (all classes are face-to-face) |
| 授業形態（補足事項）/ Class Format (Supplementary Items) |
|
| 授業形式/ Class Style |
講義/Lecture |
| 校地/ Campus |
池袋/Ikebukuro |
| 学期/ Semester |
秋学期/Fall semester |
| 曜日時限・教室/ DayPeriod・Room |
土2/Sat.2 ログインして教室を表示する（Log in to view the classrooms.） |
| 単位/ Credits |
2 |
| 科目ナンバリング/ Course Number |
EPS2340 |
| 使用言語/ Language |
日本語/Japanese |
| 履修登録方法/ Class Registration Method |
抽選登録/Lottery Registration（定員：70人/ Capacity：70） |
| 配当年次/ Assigned 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。 |
| 先修規定/ Prerequisite 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 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 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 Limit |
|
| 学位授与方針との関連/ Relationship 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/ Notes |
旧科目名）政策情報処理Ｂ |
「Python入門」「Pythonによる統計解析の基礎」「統計データ利用」について、演習を通して学習することが授業の目標です。
The goal of the class is to learn "Introduction to Python," "Basics of Statistical Analysis with Python," and "Statistical Data Analysis" through exercises.
Pythonの演習では「Jupyter Notebook」を利用します。
① Pythonの基礎
プログラミングの基礎について春学期に学習したことを簡単に復習します。
② Pythonによる統計解析の基礎
相関係数、連続型確率変数、連続型確率分布、大数の法則、統計的推定、統計的検定、回帰分析について、NumPy、Pandas、Matplotlibなどのモジュールを利用した演習を通して学びます。
③ 統計データ分析
国勢調査データを利用した分析について演習を通して学びます。
Jupyter Notebook" is used for Python exercises.
(1) Python Basics
Students will briefly review what they have learned about the basics of programming in the spring semester.
(2) Basics of statistical analysis in Python
Students will learn about correlation coefficients, continuous random variables, continuous probability distributions, the law of large numbers, statistical estimation, statistical tests, and regression analysis through exercises using modules such as NumPy, Pandas, and Matplotlib.
(3) Statistical Data Analysis
Students will learn about analysis using census data through exercises.
| 1 | ①Pythonの基礎の復習（変数、リスト等） ②- ③国勢調査データ演習 |
| 2 | ①Pythonの基礎の復習（for文、if文、関数、pandas,numpy） ②- ③国勢調査データ演習 |
| 3 | ①- ②相関係数 ③市区町村別データの相関係数 |
| 4 | ①- ②連続型確率変数（pythonによる実装を通じて理解） ③- |
| 5 | ①- ②正規分布、指数分布（pythonによる確率分布の可視化、分布の説明、値の取得） ③国勢調査データの分布 |
| 6 | ①- ②カイ二乗分布、t分布、F分布（pythonによる確率分布の可視化、分布の説明、値の取得） ③- |
| 7 | ①- ②独立性、和の分布、標本平均の分布（正規分布、ポアソン分布等について可視化） ③- |
| 8 | ①- ②大数の法則、中心極限定理（コンピュータシミュレーション） ③国勢調査データによるコンピュータシミュレーション |
| 9 | ①- ②統計的推定（点推定、不偏性、一致性、区間推定） ③- |
| 10 | ①- ②統計的推定（区間推定、母平均、母分散の区間推定のシミュレーション） ③国勢調査データによる推定 |
| 11 | ①- ②統計的検定（検定の基本的な考え方、scipy.statsによるp値等の計算） ③- |
| 12 | ①- ②単回帰分析（回帰分析の仮定、係数の点推定、区間推定、t検定） ③- |
| 13 | ①- ②重回帰分析（ダミー変数、決定係数、自由度調整済み決定係数、F検定） ③国勢調査データによる回帰分析 |
| 14 | 第1回～第13回まとめ |
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
Python演習の復習、統計学知識の整理
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 筆記試験 (Written Exam) | 60 | |
| 平常点 (In-class Points) | 40 |
リアクションペーパー(15%) 授業内に指示した複数回の提出物(25%) |
| 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 | 谷合 廣紀 /辻 真吾 | 『Pythonで理解する統計解析の基礎』 | 技術評論社 | 2018 | 4297100495 |
| 2 | 東京大学教養学部統計学教室 | 『統計学入門 (基礎統計学Ⅰ)』 | 東京大学出版会 | 1991 | 9784130420655 |
pythonの基礎、jupyternotebookの基礎的な利用方法について知っていることが望ましい
中盤までやや抽象的な内容ですが、pythonによるコンピューターシミュレーションが理解を助けます。
推定の考え方をデータや確率分布のハンドリングによって学び、回帰係数の推定について理解を進めます。