ビッグデータの時代と言われている。近年、データの計測およびストレージ技術の発達とともに、大規模データから適切に情報抽出し、それを意思決定に活用することが必須のリテラシーとなっている。いっぽうデータの形式と対応する解析法の変化は著しく、新しい方法を正しく利用するために、普遍的な統計科学の原理を理解することが重要である。基礎となる統計数理とともに、具体的な統計解析手法とその運用を、統計ソフトウエアによるデータ解析実習を通じて習得する。 　統計データ解析Iでは、受講者が統計ソフトウエアを用いた実験によって確率的現象に慣れ、統計推測法の意味を理解し、データ解析の方法を実習する。統計ソフトウエアRの使い方を学んだあと、シミュレーションによってランダムネスと極限定理を体験する。後で必要になる確率分布を学び、基本的な記述統計量と標本分布に関する基礎事項を学習する。推測統計における基礎的な推定・検定法、および分散分析、回帰分析の方法を、データ処理を通じて実習する。 It is said that we are in the era of Big Data. With the recent development of data measurement and storage technologies, it has become essential literacy to properly extract information from large-scale data and utilize it for decision-making. However, the format of data and the corresponding analysis methods have changed remarkably, and it is important to understand the essential principles of statistical science in order to properly use new methods. Students learn basic statistical mathematics as well as specific statistical analysis methods and their application through practical training in data analysis using statistical software. In Statistical Data Analysis I, students become familiar with probabilistic phenomena through experiments using statistical software, understand the meaning of statistical inference methods, and practice data analysis methods. After learning how to use the statistical software R, students will experience randomness and limit theorems through simulations. Students will learn about probability distributions, which they will need later, and learn basic descriptive statistics and sample distributions. Students will practice basic estimation and testing methods in inferential statistics, as well as analysis of variance and regression analysis, through data processing.

ビッグデータの時代と言われている。近年、データの計測およびストレージ技術の発達とともに、大規模データから適切に情報抽出し、それを意思決定に活用することが必須のリテラシーとなっている。いっぽうデータの形式と対応する解析法の変化は著しく、新しい方法を正しく利用するために、普遍的な統計科学の原理を理解することが重要である。基礎となる統計数理とともに、具体的な統計解析手法とその運用を、統計ソフトウエアによるデータ解析実習を通じて習得する。 　統計データ解析Ⅱでは、統計ソフトウエアRの説明の後、高次元大規模データに潜む相関構造を発見し計量する多変量解析、および時系列データの基本的な解析法を学ぶ。統計手法の運用とデータハンドリングを実習することに加え、微分積分学、線型代数学等の前期課程数学と連携し、数理科学的側面を意識しながら、実験を介して統計手法の合理性と体系を感得する。 It is said that we are in the era of Big Data. With the recent development of data measurement and storage technologies, it has become essential literacy to properly extract information from large-scale data and utilize it for decision-making. However, the format of data and the corresponding analysis methods have changed remarkably, and it is important to understand the essential principles of statistical science in order to properly use new methods. Students learn basic statistical mathematics as well as specific statistical analysis methods and their application through practical training in data analysis using statistical software. In Statistical Data Analysis II, after explaining the statistical software R, students learn multivariate analysis for finding and weighing correlation structures hidden in high-dimensional large-scale data, and basic analysis methods for time series data. In addition to the practical training in the operation of statistical methods and data handling, students will gain a sense of the rationality and systematics of statistical methods through experiments, while being aware of the mathematical scientific aspects in conjunction with undergraduate mathematics such as differential and integral calculus and linear algebra.

ビッグデータの時代と言われている。近年、データの計測およびストレージ技術の発達とともに、大規模データから適切に情報抽出し、それを意思決定に活用することが必須のリテラシーとなっている。いっぽうデータの形式と対応する解析法の変化は著しく、新しい方法を正しく利用するために、普遍的な統計科学の原理を理解することが重要である。基礎となる統計数理とともに、具体的な統計解析手法とその運用を、統計ソフトウエアによるデータ解析実習を通じて習得する。 　統計データ解析Iでは、受講者が統計ソフトウエアを用いた実験によって確率的現象に慣れ、統計推測法の意味を理解し、データ解析の方法を実習する。統計ソフトウエアRの使い方を学んだあと、シミュレーションによってランダムネスと極限定理を体験する。後で必要になる確率分布を学び、基本的な記述統計量と標本分布に関する基礎事項を学習する。推測統計における基礎的な推定・検定法、および分散分析、回帰分析の方法を、データ処理を通じて実習する。 It is said that we are in the era of Big Data. With the recent development of data measurement and storage technologies, it has become essential literacy to properly extract information from large-scale data and utilize it for decision-making. However, the format of data and the corresponding analysis methods have changed remarkably, and it is important to understand the essential principles of statistical science in order to properly use new methods. Students learn basic statistical mathematics as well as specific statistical analysis methods and their application through practical training in data analysis using statistical software. In Statistical Data Analysis I, students become familiar with probabilistic phenomena through experiments using statistical software, understand the meaning of statistical inference methods, and practice data analysis methods. After learning how to use the statistical software R, students will experience randomness and limit theorems through simulations. Students will learn about probability distributions, which they will need later, and learn basic descriptive statistics and sample distributions. Students will practice basic estimation and testing methods in inferential statistics, as well as analysis of variance and regression analysis, through data processing.

ビッグデータの時代と言われている。近年、データの計測およびストレージ技術の発達とともに、大規模データから適切に情報抽出し、それを意思決定に活用することが必須のリテラシーとなっている。いっぽうデータの形式と対応する解析法の変化は著しく、新しい方法を正しく利用するために、普遍的な統計科学の原理を理解することが重要である。基礎となる統計数理とともに、具体的な統計解析手法とその運用を、統計ソフトウエアによるデータ解析実習を通じて習得する。 　統計データ解析Ⅱでは、統計ソフトウエアRの説明の後、高次元大規模データに潜む相関構造を発見し計量する多変量解析、および時系列データの基本的な解析法を学ぶ。統計手法の運用とデータハンドリングを実習することに加え、微分積分学、線型代数学等の前期課程数学と連携し、数理科学的側面を意識しながら、実験を介して統計手法の合理性と体系を感得する。 It is said that we are in the era of Big Data. With the recent development of data measurement and storage technologies, it has become essential literacy to properly extract information from large-scale data and utilize it for decision-making. However, the format of data and the corresponding analysis methods have changed remarkably, and it is important to understand the essential principles of statistical science in order to properly use new methods. Students learn basic statistical mathematics as well as specific statistical analysis methods and their application through practical training in data analysis using statistical software. In Statistical Data Analysis II, after explaining the statistical software R, students learn multivariate analysis for finding and weighing correlation structures hidden in high-dimensional large-scale data, and basic analysis methods for time series data. In addition to the practical training in the operation of statistical methods and data handling, students will gain a sense of the rationality and systematics of statistical methods through experiments, while being aware of the mathematical scientific aspects in conjunction with undergraduate mathematics such as differential and integral calculus and linear algebra.

本講義では、初めて統計学を学ぶ学生を対象に、データ解析・統計学の考え方と実際について、その基本事項を解説する。対象は文理を問わない。専門学部で諸科学を学ぶ際に特に重要な、確率分布（＝現象のモデル化）、独立同一分布性（＝同一条件の下での繰り返し実験）、統計的推測（＝データから母集団への推論）の考え方を理解することに焦点を当てる。

統計学は、日常生活や社会で起こる様々な現象を観察し、そこから得られる数値データを分析（記述、検証など）して、その現象の法則性を探っていくことを目的としている。近年のコンピュータの普及に伴い、容易にソフトウェアを用いてデータ分析ができるようになってきたが、データの特性や分析の目的に応じた統計手法を用いるためには、統計学の基礎的概念を理解し、数値結果を適切に評価する能力を身につける必要がある。そこで、本講義では、統計学の基礎的概念と統計手法について解説し、どのように現実の問題に適用されているのかを身近な例を用いて説明する。通常、データには対象について知りたいと思う性質とは無関係な変動が加わる可能性があり、そのような偶然的な変動は、確率論の法則に従うものと考えられるため、確率論についても取り上げることにする。そして、確率論を背景にして体系づけられた統計的推測について、推定と仮説検定を通して学ぶ。受講後には、新たな問題に直面した時に自ら統計分析を行い問題解決ができるようになることを目指す。

統計データ解析Ⅱでは，統計ソフトウェアRの説明の後，高次元大規模データに潜む相関構造を発見し計量する多変量解析，および時系列データの基本的な解析法を学ぶ．統計手法の運用とデータハンドリングを実習することに加え，微分積分学，線型代数学等の前期課程数学と連携し，数理科学的側面を意識しながら，実験を介して統計手法の合理性と体系を感得する．

統計データ解析Ⅱでは，統計ソフトウェアRの説明の後，高次元大規模データに潜む相関構造を発見し計量する多変量解析，および時系列データの基本的な解析法を学ぶ．統計手法の運用とデータハンドリングを実習することに加え，微分積分学，線型代数学等の前期課程数学と連携し，数理科学的側面を意識しながら，実験を介して統計手法の合理性と体系を感得する

統計データ解析Ⅱでは，統計ソフトウェアRの説明の後，高次元大規模データに潜む相関構造を発見し計量する多変量解析，および時系列データの基本的な解析法を学ぶ．統計手法の運用とデータハンドリングを実習することに加え，微分積分学，線型代数学等の前期課程数学と連携し，数理科学的側面を意識しながら，実験を介して統計手法の合理性と体系を感得する．

本講義の目標は、受講者が確率統計の基礎事項を体系的に理解し、実問題へ応用するための素養を養うことである。具体的には、統計モデルの基礎となる「確率分布族」の概念および性質と、それに基づく統計的推測の理論について解説する。講義の前半では、確率の数学的表現から入り、事象の独立性、確率変数と確率分布（離散型・連続型）、期待値や分散などの分布の特徴量、および多次元分布を導入する。後半では、これらの基礎概念を土台として、統計モデルにおける不偏推定の理論や推定量の最適性などを扱う。 The objective of this course is to enable students to systematically understand the fundamentals of probability and statistics and cultivate the skills necessary to apply them to real-world problems. Specifically, it explains the concept and properties of probability distribution families, which form the basis of statistical models, and the theory of statistical inference based on them. The first half of the course begins with the mathematical representation of probability, introducing independence of events, random variables and probability distributions (discrete and continuous types), characteristics of distributions such as expected value and variance, and multidimensional distributions. The second half builds upon these foundational concepts to cover the theory of unbiased estimation in statistical models and the optimality of estimators.