文理学部シラバスTOP > 文理学部 > 総合 II 群 > データと対話するための統計学
日本大学ロゴ

データと対話するための統計学

このページを印刷する

令和２年度以降入学者 データと対話するための統計学
教員名 菅野剛
単位数    2 学年 1～4 開講区分 文理学部
科目群 総合教育科目
学期 後期 履修区分 選択
授業形態 遠隔授業（オンデマンド型）
授業の形態 遠隔授業。 Google Chrome ブラウザ を使い Google Classroom で行います （クラスコード は Canvas LMS に掲載）。
必要な場合は Google Meet などによる同時双方向で対応します。
Canvas LMSコースID・コース名称 211152A24　2024データと対話するための統計学（菅野剛・後・木2）
授業概要 現代社会では、あらゆる分野で統計学が重要になってきています。統計学的な考え方を学びます。多くの時間をかけて地道に学び、理解を積み重ねていきます。
"For Today’s Graduate, Just One Word: Statistics." You will learn how to think statistically.
授業内容については、情勢を見据えて調整や修正をする可能性があります。
授業のねらい・到達目標 ＜授業のねらい＞
・自ら学ぶ姿勢を身につけます。
・各自の理解度の状況に応じて適切に学修に取り組み、継続的に学ぶ習慣を形成します。
・「統計学の数理や理論ではなく、『ものの考え方』としても統計的思考の本質」(p.3)について学び、理解を深めます。
・「データ解析の第一歩はデータを”見る”こと」 (p.31) について理解を深めます。
・受講者の多様性へ対応し、中上級レベルでは英語の教材に取り組み、理解を深めます。

＜到達目標＞
・分からないことを自分で調べ、自分で学ぶことができる。
・反証可能な形で論理を展開できる。
・具体的な現象を抽象化し、数値で表現し、モデルに基づいて論理展開できる。
・R 言語の基礎的な処理ができる。
・世界中の高品質な教育リソースへアクセスし、必要に応じて自ら学ぶことができる。

【日本大学教育憲章ルーブリック】
上記の＜知識＞＜技能＞の習得を経て，以下の＜能力＞を育むことが目標である。
・仮説に基づく課題や問題を提示し，客観的な情報を基に，論理的・批判的に考察することの重要性を説明できる。（A-3-1: 論理的・批判的思考力）
・事象を注意深く観察して，解決すべき問題を認識できる。（A-4-1: 問題発見・解決力）
・新しいことに挑戦する気持ちを持つことができる。（A-5-1: 挑戦力）

この科目は文理学部のディプロマポリシー DP 3,4,5 及び カリキュラム・ポリシー CP 3,4,5 に対応しています。
授業の形式 講義、演習
授業の方法 毎回の理解の積み重ねが大切です。入門・初級者は、教科書を購入し、内容に沿って丁寧に学びます。教科書を早めに購入をして下さい。後半で難しくなります。中上級者は、英語の教材で学びます。

予習：入門・初級者はわかりやすい教科書と資料で予習をします。中上級者は、時間をかけて英語教材に取り組みます。
授業：毎回、小テストに取り組み、自身の理解を振り返ります。質疑応答により、理解を深めます。教科書（入門・初級者）、英語教材（中上級者）に加え、それぞれの内容に対応した R 言語 (The R Project for Statistical Computing) を用いた課題に取り組み、理解を深めます。
復習：課題に取り組み、クリアできるまで繰り返し復習し、理解を固めます（中上級者は、教材に取り組みます）。
授業内容についての具体的な質問については、勉強のお問い合わせ Googleフォームを常設し、質問と回答を蓄積・共有し、フィードバックを行っている。

本授業は事前に３時間、事後に１時間の学修を目安とします。授業時間をあわせ、毎週６時間の学修が標準として定められています。
授業計画
1 統計学の確認テスト（中学程度）、統計学を学ぶ意義、様々な教材と資料の紹介 (A-3-1)
【事前学習】Google Workspace for Education Fundamentals (G Suite for Education) について理解を深めておく。 (A-3-1) （3時間）
【事後学習】教科書 p.6-17 の復習課題 （A-3-1） （1時間）
【授業形態】オンデマンド型授業
2 2. 統計学の確認テスト（高校程度）、1. データ解析の第一歩、小テストと R言語の演習課題 / 1. Exploring categorical data. 質疑応答（A-3-1）（A-4-1）（A-5-1）
【事前学習】教科書 p.18-35 を予習し、探索的データ解析、散布図、幹葉表示、メディアン、箱ひげ図、外れ値に触れる。 / 1. Exploring categorical data. （A-3-1） （3時間）
【事後学習】EDAについての復習課題に取り組む （A-3-1） （1時間）
【授業形態】オンデマンド型授業
3 2. データの位置とばらつきの可視化、小テストと R言語の演習課題 / 2. Displaying and describing. 質疑応答（A-3-1）（A-4-1）（A-5-1）
【事前学習】教科書 p.36-48 を予習し、平均値、全偏差、処理平均、処理偏差、誤差偏差に触れる。 / 2. Displaying and describing. （A-3-1） （3時間）
【事後学習】代表値と変動についての復習課題に取り組む （A-3-1） （1時間）
【授業形態】オンデマンド型授業
4 3. データとの「対話」と「モデル」、小テストと R言語の演習課題 / 3. Summary statistics. （A-3-1）（A-4-1）（A-5-1）
【事前学習】教科書 p.49-59 を予習し、母集団、標本、アブダクション、統計的モデル、線形モデルに触れる。 / 3. Summary statistics. （A-3-1） （3時間）
【事後学習】母集団と標本についての復習課題に取り組む （A-3-1） （1時間）
【授業形態】オンデマンド型授業
5 4. 統計モデリング、小テストと R言語の演習課題 / 4. Percentiles, z-scores, and the normal distribution. （A-3-1）（A-4-1）（A-5-1）
【事前学習】教科書 p.60-72 を予習し、モデル、本質、心理学的本質主義、記述統計学、推測統計学に触れる。 / 4. Percentiles, z-scores, and the normal distribution. （A-3-1） （3時間）
【事後学習】統計モデリングについての復習課題に取り組む （A-3-1） （1時間）
【授業形態】オンデマンド型授業
6 5. ばらつきの数値化、小テストと R言語の演習課題 / 5. two-variable quantitative data. （A-3-1）（A-4-1）（A-5-1）
【事前学習】教科書 p.73-81 を予習し、偏差、偏差平方和、蜂群図に触れる。 / 5. two-variable quantitative data. （A-3-1） （3時間）
【事後学習】ばらつきについての復習課題に取り組む （A-3-1） （1時間）
【授業形態】オンデマンド型授業
7 6. 自由度、小テストと R言語の演習課題 / 6. Collecting data. （A-3-1）（A-4-1）（A-5-1）
【事前学習】教科書 p.82-95 を予習し、平方和、標本のサイズ、自由度、分散、不偏分散に触れる。 / 6. Collecting data. （A-3-1） （3時間）
【事後学習】自由度についての復習課題に取り組む （A-3-1） （1時間）
【授業形態】オンデマンド型授業
8 7. 確率変数と確率分布、小テストと R言語の演習課題 / 7. Probability. （A-3-1）（A-4-1）（A-5-1）
【事前学習】教科書 p.96-105 を予習し、確率変数、確率分布、ベルヌーイ分布、二項分布に触れる。 / 7. Probability. （A-3-1） （3時間）
【事後学習】確率分布についての復習課題に取り組む （A-3-1） （1時間）
【授業形態】オンデマンド型授業
9 8. 正規分布、小テストと R言語の演習課題 / 8. Random variables and probability distributions. （A-3-1）（A-4-1）（A-5-1）
【事前学習】教科書 p.106-114 を予習し、正規分布、中心極限定理、最小二乗法に触れる。 / 8. Random variables and probability distributions. （A-3-1） （3時間）
【事後学習】正規分布についての復習課題に取り組む （A-3-1） （1時間）
【授業形態】オンデマンド型授業
10 9. パラメトリック統計学、小テストと R言語の演習課題 / 9. Sampling distributions. （A-3-1）（A-4-1）（A-5-1）
【事前学習】教科書 p.115-123 を予習し、正規分布曲線、平均 μ と分散 σ² 、標準偏差 σ 、パラメーター、期待値、確率密度関数に触れる。 / 9. Sampling distributions. （A-3-1） （3時間）
【事後学習】パラメトリック統計学についての復習課題に取り組む （A-3-1） （1時間）
【授業形態】オンデマンド型授業
11 10. 確率分布、小テストと R言語の演習課題 / 10. Inference for categorical data. （A-3-1）（A-4-1）（A-5-1）
【事前学習】教科書 p.124-134 を予習し、中心極限定理に触れる。 / 10. Inference for categorical data. （A-3-1） （3時間）
【事後学習】中心極限定理についての復習課題に取り組む （A-3-1） （1時間）
【授業形態】オンデマンド型授業
12 11. 実験計画、小テストと R言語の演習課題 / 11. Inference for quantitative data. （A-3-1）（A-4-1）（A-5-1）
【事前学習】教科書 p.135-141 を予習し、実験計画法、反復実施、無作為化、局所管理、交絡に触れる。 / 11. Inference for quantitative data. （A-3-1） （3時間）
【事後学習】実験計画についての復習課題に取り組む （A-3-1） （1時間）
【授業形態】オンデマンド型授業
13 12. 完全無作為化法の分散分析(1)、小テストと R言語の演習課題 / 12. Chi-square Test. （A-3-1）（A-4-1）（A-5-1）
【事前学習】教科書 p.142-162 を予習し、線形モデル、偏差分割式、自由度、平均平方、F値に触れる。 / 12. Chi-square Test. （A-3-1） （3時間）
【事後学習】完全無作為化法の分散分析についての復習課題に取り組む （A-3-1） （1時間）
【授業形態】オンデマンド型授業
14 12. 完全無作為化法の分散分析(2)、小テストと R言語の演習課題 / 13. Regression. （A-3-1）（A-4-1）（A-5-1）
【事前学習】教科書 p.142-162 を予習し、帰無仮説、対立仮説、カイ二乗分布、F分布、棄却域、分散分析法に触れる。 / 13. Regression. （A-3-1） （3時間）
【事後学習】完全無作為化法の分散分析についての復習課題に取り組む （A-3-1） （1時間）
【授業形態】オンデマンド型授業
15 13. 乱塊法による分散分析、小テストと R言語の演習課題 （A-3-1）（A-4-1）（A-5-1）
【事前学習】教科書 p.163-172 を予習し、乱塊法、偏差分割に触れる。 （A-3-1） （3時間）
【事後学習】乱塊法による分散分析についての復習課題に取り組む （A-3-1） （1時間）
【授業形態】オンデマンド型授業
その他
教科書 三中信宏 『みなか先生といっしょに 統計学の王国を歩いてみよう』 羊土社 2015年
AP®︎ Statistics | Math | Khan Academy.
参考書 アラン・ダブニー (著)、グレディ・クライン (著)、山形浩生 (訳) 『この世で一番おもしろい統計学』 ダイヤモンド社 2014年
大上丈彦 (著)、メダカカレッジ (監修) 『マンガでわかる統計学 素朴な疑問からゆる〜く解説』 SBクリエイティブ 2012年
はじめての Google for Education https://gacco.org/
九州大学 数理・データサイエンス教育研究センター 講義資料 http://mdsc.kyushu-u.ac.jp/lectures
eラーニング教材・講義動画配信 | 数理・データサイエンス教育強化拠点コンソーシアム 数理・データサイエンス・AI（リテラシーレベル）モデルカリキュラム 対応教材 http://www.mi.u-tokyo.ac.jp/consortium/e-learning.html
成績評価の方法及び基準 毎回の小テスト、演習課題、復習課題など。80点以上の高評価を得るには、英語教材への取り組みが必要です。(100%)
必ず第１回目から Google Classroom のクラスに参加し、学習と課題提出に取り組んで下さい。 × CHIPS の履修登録だけを済ませておく。 × Canvas LMS のコース登録だけを済ませておく。 × Google Classroom のクラス参加だけを済ませておく。
継続的な学習習慣と、理解の蓄積が大切です。
小テスト、 R言語の演習課題、復習課題などの学習状況・理解度の確認、成績評価のため、 NU-AppsG と Google Classroom の利用が必要です。
以上を踏まえ、課題を通して （A-3-1）（A-4-1）（A-5-1）の修得状況を評価します。
オフィスアワー 授業時間帯の前後を中心に、 学習支援のためのチャットボット、 Google フォーム、 Google Classroom 等で適宜対応。
備考 シラバスの内容は、学生の皆さんの学修の状況を考慮して、変更することもあります。
事前学習・事後学習の時間は、高等学校までに学んだ数学や英語などの学習内容と理解を前提とした場合の目安です。事前学習、事後学習、授業時間あわせて毎回６時間の学修が必要です。各自の状況に応じて、より多くの時間をかけて学ぶ必要があります。

FAQ



  1. Webブラウザ起動と NU-AppsG ログイン
    • PC/Mac/Chromebook で Google Chrome ブラウザ を起動します。他の種類のブラウザ、スマホやタブレットをお使いになる場合は、自己責任でお願いします。
    • 日本大学の Google アカウント NU-AppsG にログインします。Gmail の読み書きができるか確認しましょう。
    • NU-AppsG は、文理学部の sアカウントや stu アカウント と異なるアカウントです。

  2. Canvas LMS のコース登録と Googleフォームの名簿回答
    • 授業の Canvas LMS のコースに登録し、設置されている Googleフォームによる名簿課題に回答・送信します。送信直後に、 Google Classroom のクラスへの招待リンクが表示されるので、クリックします。
    • 日本大学の Google アカウント NU-AppsG でログインをしないと、日本大学の Google Classroom には参加できません。

  3. Google Classroom のクラス参加と学習
  4. 困った場合
    • 「権限が必要です」、「このページへのアクセス権限がありません」、「Error 403」、「このサイトは安全でないと報告されています」など。
    • 複数の Google アカウントを利用し、スマホやタブレットの Google Classroom アプリを使う場合等に生じるかもしれません。PC/Mac/Chromebook の Chromeブラウザで操作をすると、トラブルは少ないと思います。
    • Google Classroom 内から Google フォームや Google ドライブへアクセスする際に、「権限が必要です」と表示される場合があります。よくあるトラブルは、スマホの Classroom アプリには NU-AppsG でログインしているが、 Googleフォームへ回答する際のブラウザ (Safari 等) にはプライベートな Googleアカウントでログインしているため、「権限がありません」。
    • その場合、ブラウザ側で個人の Google アカウントを一時的にログアウトし、関連する一連のアプリで NU-AppsG にログインをして下さい。
    • あるいは、新規シークレットウィンドウ（新規プライベートウィンドウ）を開き、 NU-AppsG へログインをして、操作して下さい。
    • PCの再起動で解決する場合もあるかもしれません。自分で解決できない場合は、スマホを使わずに 、PC/Mac の Chrome ブラウザか Chromebook を利用するのが手堅いです。

  5. 質問など
    • 学習支援のためのチャットボット、授業内容に関する具体的な勉強のお問い合わせの Googleフォーム、授業内容以外の諸々のお問い合わせ Google フォームにより、差し支えない内容は回答・共有します。きちんと学修した上での具体的な質問には、必ずフィードバックを行なっています。
    • Google Classroom の課題や質問から教員のみへ連絡する［限定公開のコメント］や Canvas LMS からのメールは気づかない場合があるので、 Googleフォームからご連絡やお問い合わせをして下さい。
    • NU-Apps、NU-AppsG では、教員へのメールのリンクが表示されないようです。

↑このページのトップ