経営学

	単元	重要度	標準講義回	狙い	キーワード
1.統計学の意義	統計リテラシー	◎	1	ビジネスで扱う売上データ、顧客満足度データ、意識調査など各種ビジネスデータを例示し、なぜそのデータが使われるのか、そしてそれらがどう活用されているのかを解説し、統計学の必要性を理解させ、同時に興味を持たせる。	ビジネスで扱う売上データ、顧客満足度データ、意識調査などの各種ビジネスデータ
	問題の発見と解決	○	1		ビジネスで扱う売上データ、顧客満足度データ、意識調査などの各種ビジネスデータ
	種々のデータ	◎	1	時系列データとクロスセクションデータにおけるデータの変動の違いを理解するとともに，データの型や尺度の違いも具体的な例を交えて考えることができる。	時系列データ、クロスセクションデータ、データの型、尺度の違い
	統計学の歴史	△	1	計算技術やコンピュータの進展に伴い発展してきた統計手法の変遷を概観し，現在の統計の役割を理解する	経営学と統計学の関りの歴史、コンピュータの発達と経営学における統計の役割
2.調査と実験のデザイン	調査	◎	2	ビジネスで用いられる調査の実例を提示しながら、多くのビジネスデータが標本調査によって作成されていることを認識させ、さらに、標本調査から全体がわかる理由、そのための条件、適切な標本調査の設計方法等について、実例に則して説明する。	全数調査、標本調査、母集団推計と標本誤差
2.調査と実験のデザイン	実験	△	−−	−−	−−
3.データの記述	統計表・グラフ（一般）	○	3	データ全体の傾向や特徴を，目的に応じて見やすく表やグラフ（棒グラフ，折れ線グラフ，円グラフ，帯グラフなど）にまとめ，状況を読取る方法を理解する。併せて、時系列グラフの特徴点、利用の際の注意等を学ぶ。	棒グラフ、円グラフ、帯グラフ、折れ線グラフ、時系列グラフの特徴点・注意点
	分布を表す統計表・グラフ	◎	3	いろいろな値をとるデータを，度数分布表や箱ひげ図，ドットプロット，ヒストグラムなどのデータの分布を示すグラフにまとめ，中心の位置とばらつきの様子や程度を読取る方法を理解する。	度数分布表、箱ひげ図、ドットプロット、ヒストグラム、データの分布、データの中心の位置とばらつき
	基本統計量	◎	5	統計データの数量による要約方法について学習する．ヒストグラム，算術平均，中央値，モードなどの代表値および分散，標準偏差，平均偏差，レンジなどのばらつきの測度を概説する．	平均値、中央値、最頻値、分散と標準偏差、外れ値
	分割表（クロス集計表）	△	−−	−−	−−
	相関関係	◎	4	2つ以上のデータの統計的関係を要約する方法を学習する．散布図，共分散，相関係数，回帰直線などの手法を計算例を豊富に用いて説明する．また，データの１次変換が各種の要約値（統計量）にどのような影響を及ぼすかを説明する．	散布図、共分散と相関係数、回帰直線、相関関係と因果関係、見せかけの相関、時系列データと相関関係
4.確率と確率分布	確率	○	5	確率論を学ぶことの意義・必要性を理解し、その上で、確率の様々な基礎概念を学ぶ。すなわち、推測統計学の紹介（母集団と標本、標本から全体を推測することの意味、等）、確率の考え方、確率計算の実際、条件付確率、期待値の概念、等について、実例を多数示しながら解説する。	散布図、共分散、相関係数、回帰直線、１次変換相関
	確率分布の概念	○	6	確率変数や確率分布の概念を学び，確率変数の平均や分散の求め方を知ったうえで，複数の確率変数の同時分布や独立性などを理解する。さらに、離散型の確率変数および連続型の確率変数が存在することを認識させる．また，２個以上の確率変数の１次結合した場合の期待値と分散についても説明する．	確率の考え方、確率計算の実際、条件付確率、期待値の概念
	主な確率分布	○	7	離散型の確率変数と確率分布について学習する．離散型一様分布，ベルヌイ分布，二項分布，ポアソン分布などの離散型確率分布について説明する．	離散型一様分布、ベルヌイ分布、二項分布、ポアソン分布
	主な確率分布	○	8	連続型の確率変数と確率分布について学習する．連続型一様分布，正規分布，χ２乗分布，ｔ分布，Ｆ分布について説明する．	一様分布、正規分布、正規分布、χ２乗分布、ｔ分布、F分布
5.母集団と標本	統計量	◎	9	母集団と標本の考え方を解説し、さらに標本から計算された計算された各種の統計量が確率変数とみなしうる理由やそのための条件、無作為抽出の考え方等について、実例に則して説明し、推測統計学の基礎を理解させる。	統計的推測とは、母集団と標本（確率分変数の所在）、無作為抽出、母数と統計量、標本誤差
5.母集団と標本	標本分布	◎	9	母集団分布を仮定した時に，標本平均や標本割合の分布について知り，標本サイズが大きくなるほど分散が小さくなり，精度よく母集団の平均や割合を推定できることを理解する。	標本比率の分布、標本平均の分布
6.統計的推測	点推定	◎	10-11	母集団分布を特徴づける平均などのパラメータの値を，標本に基づいてひとつの値で推定する方法，および，その方法によって推定される量の偏りや分散などについて理解する。特に、母平均、母比率、母分散の点推定につき、詳しく学ぶ。	点推定の概念、母平均の点推定、母比率の点推定、母分散の点推定
	区間推定	◎	10-11	母集団分布を特徴づける平均などのパラメータの値を，標本に基づいてある幅を持って推定する方法とその考え方を理解する。特に、母平均、母比率、母分散の区間推定につき、詳しく学ぶ。	区間推定の概念、母平均の区間推定、母比率の区間推定、母分散の区間推定、信頼区間の意味
	仮説検定の考え方	◎	12	母集団分布の母数に関して帰無仮説と対立仮説を立て，標本に基づいて帰無仮説を棄却するか否かを判断するための方法や検定に関する用語，その手順を理解する。	仮設検定の概念、帰無仮説と対立仮設、有意水準と棄却域、2種の誤り
	種々の検定	◎	12	ビジネスで用いられることの多い、２つの母平均・母比率の差の検定方法を解説し、その基本的な考え方を理解させる。	母平均値の差の検定、母比率の差の検定
	分散分析	△	14	観測値の変動を誤差変動と各要因による変動に分けることにより，各要因の効果を判定するための方法である分散分析法を理解する。	変動の分解、分散分析
7.多変量データの扱い	時系列データの分析	◎	13	ビジネスデータで多用される時系列データについて解説し、時系列データとは何か、クロスセクションデータとの違い、等を理解する。さらに、最も一般的なビジネスデータである売上データを時系列データとして分析する必要性とその固有の方法（時系列データの分解、トレンド抽出方法、季節性の処理方法、等）と、その注意点等について解説する。	時系列データとは、クロスセクションデータ、時系列データの分解、トレンド処理、季節性と季節調整
	重回帰分析	◎	14	回帰モデルの推定・検定について説明する．決定係数，自由度調整済み決定係数，ｔ値，多重共線性について説明する．また，モデルの効率的な立て方や，回帰分析の諸仮定の検討方法についても述べる．	回帰モデルの概念、回帰係数の推定（最小二乗法等）、回帰係数の有意性の検定、決定係数と回帰式の説明力、多重共線性
	主成分分析・因子分析	△	15	基本的な「統計学」の範囲に含まれないテーマをいくつか概説する。古典的な多変量解析である，クラスタ分析，判別分析，主成分分析，因子分析などを俯瞰し、また，ビジネスにおけるセグメンテーション・ターゲティング・ポジショニングのための方法ついて理解する。	クラスタ分析、判別分析、主成分分析、因子分析、セグメンテーション・ターゲティング・ポジショニング
	判別・クラスタリング	△
	統計モデル	△

MENU

アーカイブ

アーカイブ