データサイエンス入門：統計的データ解析の基礎２

情報連携の各科目群の専門的学習を進めていくうえで重要な基礎知識となるデータサイエンス（確率・統計学）をはじめて学ぶ学生を対象として、その初歩的な考え方と方法を身につけることを目的とする。本講義では、統計的推測の理論と手法についての基本的な理解を目指し、とくに統計的仮説検定の考え方を学び、データにもとづいた統計学的な議論の枠組みを理解する。また、2つの変量の関係をみる相関分析についても基礎的な考え方を学習する。（なお本講義は「情報連携のための確率・統計学I」の内容の続きとして進める。）

データサイエンスの基本的な考え方を練習問題を解きながら学び、情報連携の各科目群における研究および実践で必要となる統計的データ解析の基礎を身につけることを目標とする。

"１．情報連携とデータサイエンス
（1）統計的データ解析の実例と考え方
・情報連携におけるデータサイエンスの重要性とおもしろさについて理解する。
・統計的なデータ分析とはどのようなものかについて実例をみながら概観する。
２．統計的データ解析の基礎（復習）
（2）データの分布と平均・分散、正規分布と確率の理解
（3）標本分布と母集団の推定
・度数分布、記述統計、標本分布、統計的推定など確率・統計学の基礎的内容を確認する。
３．統計的仮説検定の考え方
（4）仮説検定の基本的な考え方
・統計的推測の代表的手法である仮説検定についてその基礎を理解する。
４．母平均に関する検定
（5）母平均の検定・その１（母分散が既知の場合）
（6）母平均の検定・その２（母分散が未知の場合）
（7）母平均の検定・その３（母分散が未知の場合・続き）
・標本データから母集団の平均に関する仮説を検定する方法を学ぶ。
５．母平均の差に関する検定
（8）母平均の差の検定・その１（母分散が既知の場合）
（9）母平均の差の検定・その２（母分散が未知の場合）
（10）母平均の差の検定・その３（母分散が未知の場合・続き）
・2組の標本データから母集団の平均の差に関する仮説を検定する方法を学ぶ。
６．適合度に関する検定
（11）適合度の検定・その１
（12）適合度の検定・その２
・理論的な確率分布と観測された度数分布が適合しているかどうかを検定する方法を学ぶ。
７．2変量の関係、散布図と相関係数
（13）相関分析・その１
（14）相関分析・その２
・2つの変数の関係を散布図で視覚化し相関係数の指標を用いて分析する方法を学ぶ。
８．試験
（15）期末テスト"

授業は講義形式でおこなう。講義内容の理解を深めるためのレポート課題（練習問題）への回答作業も授業中におこない、毎週授業時間内に提出する。

最終成績は授業参加度（出席）、毎週のレポート課題の提出状況、期末テストの得点を総合的に考慮して評価する。

"2019年度以降の入学生は、数学IAと数学IIBCの両方の学力テストに合格していないと以下の科目を履修できません。
「情報連携のための数学A・B」（～2021年度入学生用）
「情報連携のための数学I・II」（2022年度〜入学生用）
「情報連携のための確率・統計学A・B」（～2021年度入学生用）
「情報連携のための確率・統計学I・II」（2022年度〜入学生用）

ただし、2025年度入学生については、4月の数学IAと数学IIBCの学力テストのどちらか（あるいは両方）で不合格の場合でも、2025年度春学期の「情報連携のための確率・統計学I」を履修することは可能とします。その場合でも、単位を取得するためには、不合格となった数学IAや数学IIBCについて春学期中に実施する再テストに合格することを前提とし、再テスト後にどちらかでも不合格だった場合には履修自体を取り消します。"

『はじめての統計学』道家暎幸,伊藤真吾,宮﨑直,酒井祐貴子(著),コロナ社.

"たとえば、
『統計学入門』東京大学教養学部統計学教室(編),東京大学出版会.
『データの分析』日本統計学会(編),東京図書.
『統計学基礎』日本統計学会(編),東京図書.
など。"