Business Statistics ｜ Syllabus data

Course Title

Business Statistics

Course Title in English

Business Statistics

Course Type

-

発展科目

Eligible Students

Graduate School of Social Sciences

Target Grade

All

Course Numbering Code

KCMMS5MCA1

Credits

2.00Credits

The course numbering code represents the faculty managing the subject, the department of the target students, and the education category (liberal arts / specialized course). For detailed information, please download the separate manual from the upper right 'question mark'.

Type of Class

講義 (Lecture)

Eligible Year/Semester

Fall semester 2026

Instructor

Toru KAISE

Affiliation

社会科学研究科

Language of Instruction

Japanese

Related SDGs

9

Office Hours and Location

土曜 9:00〜19:30 ・A230

Contact

kaise@g3s.u-hyogo.ac.jp

Corresponding Diploma Policy

A double circle indicates the most relevant DP number and a circle indicates the associated DP.

Corresponding Undergraduate School DP

ー／9◎

Corresponding Graduate School DP

1◎／3◎

Corresponding University-Wide DP

N/a

Academic Goals of Teacher Training Course

ー

Course Objectives and Learning Outcome

データ解析の基本である統計学の体系を理解し、実際のデータを解析できる能力を養う。特に、１変量のデータに関して正規分布を想定した解析を基本とする。さらに、統計モデルと推定の概念を明確に理解し、推定量の特性から導かれる区間推定および検定についての理解を深める。さらに，回帰分析，分散分析，主成分分析，因子分析についても扱う．ここでは，Excelによる実践的なデータ解析能力を養う。

Subtitle and Keywords of the Class

統計的意思決定、経営システム科学、データ駆動

Course Overview and Schedule

Ⅰ講義内容
統計学の基本的な内容とし、演習形式で行う。

Ⅱ授業計画

　１．統計解析の概要
　２．データの整理（度数分布表、ヒストグラム）
　３．データの整理（平均、分散、モード、メジアン、歪度、尖度）
　４．確率の概念、定義、定理
　５．確率変数、確率分布
　６．正規分布
　７．その他の分布
　８．母集団と標本
　９．推定量の概念
１０．推定量の性質
１１．推定量の特性を示す分布（カイ２乗分布、ｔ分布、Ｆ分布）
１２．区間推定（正規分布の平均と分散）
１３．検定（正規分布の平均と分散）
１４．分散分析と回帰分析
１５．多変量解析（主成分分析，因子分析）
１６．評価（到達度の確認）

In-person/Remote Classification

In-person

Implementation Method and Remote Credit Limit Application

都合により遠隔授業とする回がある場合は、事前に授業等で周知する。

Uses of Generative AI

Limited permission for use

Precautions for using Generative AI

生成AIの使用に関して、授業中にその方法を説明する。

Textbook

森棟公夫、その他　「統計学　改訂版」　有斐閣

References

蓑谷千凰彦　「統計学」　東京図書

Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)

予習：事前の知識整理(25h), プレゼンテーション準備(5h)
復習：レポート作成(25h)、全体の知識整理(5h)

Contents of Active Learning

ディスカッションを通じたグループワーキングで実践能力を会得する。

Grading Criteria and Methods

成績評価の基準は、社会科学研究科規程に従う。
統計モデルと推定の基本を理解し、解析結果の基本的な解釈ができる者に単位を授与する。この場合、シラバスに記載されている各項目に関する基本理解の到達度および応用能力に合わせＳからＣまでの成績を与える。なお、成績評価の方法は、平常点20%、レポート30%、定期試験50％を含め総合的に評価する。

How to Disclose Assignments and Exam Results

ユニバーサルパスポートを用いて対処する。

Precautions and Requirements for Course Registration

数学を用いるため、履修者は高校程度の基本を身に付けていることが望ましい。Ｅxcelを用いて基本から応用までを学ぶため，経営情報関連に興味があることが望ましい．なお、授業および授業内演習、さらにレポート課題等は積上げによる学習を必要とするため、予習および復習を十分行うこと。

授業は原則として対面方式で実施する予定にしている。ただし、COVID-19の感染状況を鑑みて遠隔方式に切り替える可能性があることから、映像や音声を安定して送受信可能なインターネット環境およびPC・周辺機器を準備しておくこと。

Practical Education

該当しない。

Remarks

In cases where any differences arise between the English version and the original Japanese version, the Japanese version shall prevail as the official authoritative version.