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 |
BX392/BX392BX392 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
Pythonによるデータ分析 /Data Analysis 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3/Mon.3 Mon.3 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 |
EAF2340 |
| 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）財務情報処理Ｂ |
The goal is to develop the ability to analyze real-world microeconomic or macroeconomic data using programming languages and interpret the results, building on previously acquired knowledge of inferential statistics.
This course will focus on applying statistical knowledge to real-world data. It will cover methods for interpreting necessary information from large-scale data sources, such as economic statistics published by government agencies, public opinion surveys from the media, corporate financial information, and marketing data. Additionally, students will learn to perform complex calculations and explore real-world applications of statistics through practical exercises. The emphasis will be on integrating theory with practice.
Python will be used for data processing, and participants will be required to submit files created during exercises periodically. The course will revisit the fundamentals of probability and statistics, making it welcoming for students who feel less confident in these areas. Note that the course will not cover topics within econometrics. Students seeking advanced methods are encouraged to ask questions 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①：確率の考え方と基本的な計算 |
| 7 | 確率論の基礎②：確率変数 |
| 8 | 確率論の基礎③：確率分布 |
| 9 | 確率論の基礎④：標本と標本分布 |
| 10 | 点推定と区間推定① |
| 11 | 点推定と区間推定② |
| 12 | 仮設検定① |
| 13 | 仮設検定② |
| 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 | 2021 | 9784489023507 |
講義中にも解説するが、これまでに履修した統計学および簿記や金融に関する基本的な知識があれば望ましい。
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。
履修済みの推測統計学の知識の実践として、経済に関するミクロあるいはマクロの現実のデータをプログラミング言語などを用いて分析し、結果を読み取ることができる能力を養うことを目標とする。
The goal is to develop the ability to analyze real-world microeconomic or macroeconomic data using programming languages and interpret the results, building on previously acquired knowledge of inferential statistics.
現実のデータに対する、統計学の知識の活用方法を講義する。例えば官公庁が公表する経済統計情報やメディアの世論調査、企業の財務情報やマーケティングデータといった大規模なデータから必要な情報を読み解く方法や、複雑な計算の実行、社会で実際に統計学が使用されている場面の紹介と演習など、理論の定着とともに実践を意識する。
実際の処理はPythonを活用し、数回に一度、受講者が作成したファイルの提出を求める。確率統計学の基礎は改めて解説するため、統計学に苦手意識のある学生の受講も歓迎する。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。
This course will focus on applying statistical knowledge to real-world data. It will cover methods for interpreting necessary information from large-scale data sources, such as economic statistics published by government agencies, public opinion surveys from the media, corporate financial information, and marketing data. Additionally, students will learn to perform complex calculations and explore real-world applications of statistics through practical exercises. The emphasis will be on integrating theory with practice.
Python will be used for data processing, and participants will be required to submit files created during exercises periodically. The course will revisit the fundamentals of probability and statistics, making it welcoming for students who feel less confident in these areas. Note that the course will not cover topics within econometrics. Students seeking advanced methods are encouraged to ask questions 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①：確率の考え方と基本的な計算 |
| 7 | 確率論の基礎②：確率変数 |
| 8 | 確率論の基礎③：確率分布 |
| 9 | 確率論の基礎④：標本と標本分布 |
| 10 | 点推定と区間推定① |
| 11 | 点推定と区間推定② |
| 12 | 仮設検定① |
| 13 | 仮設検定② |
| 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 | 2021 | 9784489023507 |
講義中にも解説するが、これまでに履修した統計学および簿記や金融に関する基本的な知識があれば望ましい。
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。