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 |
BX372/BX372BX372 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
確率分布と不確実性を体感する経済・地域データ分析―Pythonによるシミュレーションと推定― |
| 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) |
|
| 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 |
土2/Sat.2 Sat.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 |
EPS2340 |
| 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）政策情報処理Ｂ |
1. Understand the meaning and properties of probability distributions, and calculate quantities such as expected value and variance using manual calculations and Python.
2. Experience the distributions of discrete and continuous random variables, as well as sample means, through small-scale simulations.
3. Understand the formulas and ideas behind expected value and variance, and implement probability distributions in Python to verify theoretical results
4. Organize theories and calculation procedures using Markdown and mathematical notation, and deepen understanding with the help of AI tools.
5. Conduct sampling simulations using real-world data, such as census data, and explain uncertainty in the results.
First half:
Use Jupyter Notebook and Python to understand discrete and continuous random variables. Experience the concepts of expected value and variance through manual calculations and simulations.
Middle part:
Implement and visualize probability distributions in Python, and verify their correspondence with theoretical values. Experience the distribution of sample means, the law of large numbers, and the central limit theorem through simulations, and understand the logical structure of probability and statistics.
Second half:
Perform statistical estimation, including point and interval estimation, using small area statistics. Understand the uncertainty of estimation results through simulations. In addition, learn to use Markdown and mathematical notation, and deepen understanding by leveraging AI tools.
| 1 | 【内容】Jupyter Notebook + Python基礎 【ツール】Jupyter、Python基礎 【ポイント】データ操作の基本 |
| 2 | 【内容】小規模データで標本平均、母平均 【ツール】Numpy,Pandas 【ポイント】推測統計と確率モデルの関係を理解 |
| 3 | 【内容】離散型確率変数と確率分布 【ツール】Numpy, Scipy 【ポイント】サイコロで確率分布の式を考え、関数を実装 |
| 4 | 【内容】離散型確率変数の期待値と分散 【ツール】Numpy, Scipy 【ポイント】シミュレーション結果が理論値に近づくことを確認 |
| 5 | 【内容】ベルヌーイ分布と二項分布 【ツール】Numpy, Scipy 【ポイント】代表値の理解、マクロ傾向の把握 |
| 6 | 【内容】ベルヌーイ分布応用 【ツール】Numpy, Scipy 【ポイント】ベルヌーイ試行と複数回試行について理解する |
| 7 | 【内容】ベルヌーイからロジスティック分布へ（持家率のモデル化） 【ツール】Numpy,Pandas, Scipy 【ポイント】累積分布の考え方、実データへの当てはめ |
| 8 | 【内容】連続型確率変数と確率分布 【ツール】Numpy, Scipy 【ポイント】ルーレットの例で連続型確率分布を実装 |
| 9 | 【内容】正規分布の確率密度関数と実装 【ツール】Numpy,Scipy 【ポイント】確率密度関数や分布関数を計算 |
| 10 | 【内容】独立同一分布、独立性と無相関性、和の分布 【ツール】Numpy, Scipy 【ポイント】独立性と無相関の関係について実例で確認する |
| 11 | 【内容】標本平均の分布、大数の法則、中心極限定理 【ツール】Numpy, SciPy 【ポイント】シミュレーションで大数の法則や中心極限定理を学ぶ |
| 12 | 【内容】統計的推定（点推定）、町丁字別指標の平均の推定 【ツール】Numpy,Pandas, Scipy 【ポイント】良い推定の性質について理解する |
| 13 | 【内容】統計的推定（区間推定）、町丁字別指標への応用 【ツール】Numpy,Pandas, Scipy 【ポイント】95%水準での区間推定の意味をグラフで理解する |
| 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
授業時間外の学修に関する指示は、履修登録完了後に「Canvas LMS」上で履修者に対して行う。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) | 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 | 辻 真吾、谷合 廣紀 | 『Pythonで理解する統計解析の基礎』 | 技術評論社 | 2018 | 4297100495 |
1. 確率分布の意味や性質を理解し、期待値や分散などを手計算やPythonで計算できる。
2. 離散・連続の確率変数や標本平均の分布を、小規模なシミュレーションで体感する。
3. 確率分布の期待値・分散の式や考え方を理解し、Pythonで実装して理論と結果を確認する。
4. Markdownや数式記法を用いて理論や計算手順を整理し、AIを活用して理解を深める。
5. 国勢調査などの実社会データを用いて標本抽出のシミュレーションを行い、不確実性を説明できる。
1. Understand the meaning and properties of probability distributions, and calculate quantities such as expected value and variance using manual calculations and Python.
2. Experience the distributions of discrete and continuous random variables, as well as sample means, through small-scale simulations.
3. Understand the formulas and ideas behind expected value and variance, and implement probability distributions in Python to verify theoretical results
4. Organize theories and calculation procedures using Markdown and mathematical notation, and deepen understanding with the help of AI tools.
5. Conduct sampling simulations using real-world data, such as census data, and explain uncertainty in the results.
前半：Jupyter NotebookとPythonを使い、離散・連続確率変数を理解する。期待値・分散の概念を手計算やシミュレーションで体感する。
中盤：Pythonで確率分布を実装・可視化し、理論値との対応を確認。標本平均の分布、大数の法則、中心極限定理をシミュレーションで体感し、確率・統計の論理構造を理解する。
後半：小地域統計データを用いて統計的推定（点・区間推定）を行う。シミュレーションにより推定結果の不確実性を理解する。さらにMarkdownや数式記法を学び、AIを活用して理解を深める。
First half:
Use Jupyter Notebook and Python to understand discrete and continuous random variables. Experience the concepts of expected value and variance through manual calculations and simulations.
Middle part:
Implement and visualize probability distributions in Python, and verify their correspondence with theoretical values. Experience the distribution of sample means, the law of large numbers, and the central limit theorem through simulations, and understand the logical structure of probability and statistics.
Second half:
Perform statistical estimation, including point and interval estimation, using small area statistics. Understand the uncertainty of estimation results through simulations. In addition, learn to use Markdown and mathematical notation, and deepen understanding by leveraging AI tools.
| 1 | 【内容】Jupyter Notebook + Python基礎 【ツール】Jupyter、Python基礎 【ポイント】データ操作の基本 |
| 2 | 【内容】小規模データで標本平均、母平均 【ツール】Numpy,Pandas 【ポイント】推測統計と確率モデルの関係を理解 |
| 3 | 【内容】離散型確率変数と確率分布 【ツール】Numpy, Scipy 【ポイント】サイコロで確率分布の式を考え、関数を実装 |
| 4 | 【内容】離散型確率変数の期待値と分散 【ツール】Numpy, Scipy 【ポイント】シミュレーション結果が理論値に近づくことを確認 |
| 5 | 【内容】ベルヌーイ分布と二項分布 【ツール】Numpy, Scipy 【ポイント】代表値の理解、マクロ傾向の把握 |
| 6 | 【内容】ベルヌーイ分布応用 【ツール】Numpy, Scipy 【ポイント】ベルヌーイ試行と複数回試行について理解する |
| 7 | 【内容】ベルヌーイからロジスティック分布へ（持家率のモデル化） 【ツール】Numpy,Pandas, Scipy 【ポイント】累積分布の考え方、実データへの当てはめ |
| 8 | 【内容】連続型確率変数と確率分布 【ツール】Numpy, Scipy 【ポイント】ルーレットの例で連続型確率分布を実装 |
| 9 | 【内容】正規分布の確率密度関数と実装 【ツール】Numpy,Scipy 【ポイント】確率密度関数や分布関数を計算 |
| 10 | 【内容】独立同一分布、独立性と無相関性、和の分布 【ツール】Numpy, Scipy 【ポイント】独立性と無相関の関係について実例で確認する |
| 11 | 【内容】標本平均の分布、大数の法則、中心極限定理 【ツール】Numpy, SciPy 【ポイント】シミュレーションで大数の法則や中心極限定理を学ぶ |
| 12 | 【内容】統計的推定（点推定）、町丁字別指標の平均の推定 【ツール】Numpy,Pandas, Scipy 【ポイント】良い推定の性質について理解する |
| 13 | 【内容】統計的推定（区間推定）、町丁字別指標への応用 【ツール】Numpy,Pandas, Scipy 【ポイント】95%水準での区間推定の意味をグラフで理解する |
| 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
授業時間外の学修に関する指示は、履修登録完了後に「Canvas LMS」上で履修者に対して行う。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) | 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 | 辻 真吾、谷合 廣紀 | 『Pythonで理解する統計解析の基礎』 | 技術評論社 | 2018 | 4297100495 |