大学公開講座のセカンドアカデミー

ICTの進化によりビッグデータが経営資源として活用されるようになり、数学（統計学）の必要性が再認識されています。特にデータサイエンスは統計学と情報学を基盤としており、ビジネス領域だけでなく社会にあふれているデータから「価値」を引き出すために数学的な知識を再度学びなおすことは、非常に有用です。
またビジネスに統計学が必要だというのは、何もビッグデータやAIの専門家だけではありません。統計学の知識や統計的な考え方は、あらゆるビジネス領域で必要不可欠なものとなってきており、統計学（データアナリシス）というデータサイエンスの基礎を理解することによってデータに基づく意思決定ができる能力を身につけることができます。
この講座では統計学の土台となる数学のトピックを学びなおすことにより、ビジネスに役立つ統計学の知識を習得することを目指します。

なお、講座内容の理解を助けるため、初等的な統計学（1変数データの基本統計量・推定・検定など）に関する知識をお持ちいただいたうえで受講されることをおすすめします。


・第1回目に、近年、様々な分野で用いられている「ベイズ統計」についてお話をします。ベイズ統計は古典的な統計と
は別の思想をもち、主観的な確率を重要視し、一分野を築いております。ベイズ統計についての考え方と、従来の統計学との思想の違いなどを中心に初心者向けの解説をします。

・第2回目は複数の変数をもつデータ、すなわち多次元データの統計解析・予測について、統計的仮説検定理論を中心に解説します。多次元データの内容の前に準備として平均の検定などで用いるｔ分布について紹介し、多次元データの基本となる多変量正規分布とその性質、そしてホテリングT^2検定などについてご紹介します。

・第3回目は「相関係数」をテーマとした講座です。実数値の組からなるデータに対するPearsonの相関係数(correlation coefficient)は変数間の直線関係を測る量としてデータ解析においてよく使われています。コンピュータが発達した今日、Pearsonの相関係数を計算することは困難ではありません。本講座では、むしろ、Pearsonの相関係数の概念的理解に重点をおき、2変量分布における相関係数の定義から出発して理論相関係数の持つ興味ある諸性質、推定や検定、などについて解説します。また、Spearmanの相関係数、Kendallの相関係数、重相関係数、偏相関係数、正準相関係数、自己相関係数などと共に、平面上ではなくトーラスやシリンダーという異なる多様体の上での「相関係数」の定義について述べ、それらがどのような実際的問題において現れるのかについて解説します。


【キャンセルポリシー】
キャンセル料は受講申し込み完了後から発生しますので、ご注意ください。必ず、受講お申し込み前に東京理科大学オープンカレッジ受講規約〈https://web.my-class.jp/manabi-tus/asp-webapp/jsp/web/tus/base/kiyaku.jsp〉でご確認ください。

【受講対象】社会人一般

名前	黒沢 健
肩書き	東京理科大学　理学部第一部　応用数学科　准教授／博士（理学）
プロフィール	－

名前	瀬尾 隆
肩書き	東京理科大学　理学部第一部　応用数学科　教授／博士（理学）
プロフィール	－

名前	清水 邦夫
肩書き	統計数理研究所　統計思考院　特命教授／慶應義塾大学　名誉教授／理学博士
プロフィール	－