統計分析入門(SI) Pythonを用いたデータ分析基礎

講座の趣旨

  • 統計的処理によってどのようなことができるのかを学び、学んだ統計処理を実際に使ってみます。
  • 統計学について、できるだけ数式を使わないで平易に、かつ体系的・段階的に学びます。
  • プログラミング言語「Python」を用いて、実際のデータに統計処理を行う演習も行います。

到達目標

  • 平均、分散、相関などの統計の基本について正しく理解し、実際のデータを処理できる。
  • 限られた数のサンプルから、母集団全体のありかたを推測する方法について理解し、実際のデータを処理できる。
  • 初歩的な予測モデルを用いて、過去のデータから将来を予測できる。(回帰・判別)

数学レベル

  • 高校までの文系数学について、あらかじめある程度知っていることが望ましいです。

カリキュラム

  1. 記述統計「データの傾向や性質を把握したり可視化したりする」
    • 図表・可視化による整理(度数分布表、ヒストグラム)
    • 特性量による整理1)(代表値:平均値、中央値、最頻値)
    • 特性量による整理2)(データの広がり:分散、標準偏差)
    • 相関(散布図、相関係数、相関と因果)
    • データの散らばり(確率変数、さまざまなデータの分布)
  2. 推測統計「限られたデータから全体の様子をできるだけ正確に推測する」
    • 母集団と標本、標本の適切な抽出方法
    • 点推定(母集団の平均の推定、母集団の分散の推定)
    • 区間推定(信頼区間の考え方、信頼区間の算出方法)
    • 仮説検定
  3. 回帰分析「未知の値について、データをもとに予測したり、傾向を説明したりする」
    • 単回帰分析(単回帰分析の考え方、単回帰分析の適用法)
    • 重回帰分析(重回帰分析の考え方、重回帰分析の適用法)
    • あてはまり具合を評価する方法(決定係数)
    • モデル選択(過学習、モデルの検証方法、赤池情報量基準)
  4. 判別分析「どちらのグループに入るのかを予測したり説明したりする」
    • 判別分析の適用例
    • 線形判別分析(判別分析の考え方、線形判別分析の適用法)
    • k近傍法(k近傍法の考え方、k近傍法の適用法)
    • ロジスティック回帰(ロジスティック回帰の考え方、適用法)
    • さまざまな判別手法の特徴

時間・料金

対面・オンラインライブ
受講期間単科講座料金(税込)
2日(6時間)¥95,040

※Eラーニングオンデマンドの受講時間は目安です。

申込

※申し込みは各開講日の3営業日前までとなりますのでご注意ください

開講日 講義形態
24/05/15
オンラインライブ
申込
24/10/31
オンラインライブ
申込

講義スケジュール

★講義スケジュールはこちら。
講師からのメッセージ
  • (荻原 哲平 准教授)
    統計学はデータサイエンスを学ぶ上での基礎であり、データを分析して結論を導いたり、現象を予測したりすることを可能にします。統計学の重要なトピックを、講義と実習を通じて実際使えるところまで学んでいただければと思います。(荻原 哲平 准教授)
    荻原 哲平 准教授