統 計学における重要な概念である統計的推定、統計的検定の基本的な考え方を学ぶ。標本数と推定値の信頼性（望ましい精度の推定値を得るに必要なデータ数）、 統計データ分析の検定結果を信頼して使えるデータ数、等々の知見を得る。ロジスティック回帰分析、近年よく使われる計算機によるブーツストラップ分析、適合度検定、テキストマイニングなどを学ぶ。いろいろなデータ分析の適用例を通して、統計データ分析の考え方の基本を学ぶ。
内容：
導入：●Business Intelligence(BI)とは　●BIにおける統計データ分析の役割.
●正規分布に従う現象とその確率計算：身長の分布、誤差の分布、所得の分布.
(１) 平均について．正規分布による平均の分布、正規分布によらない平均の分布.
　　例)平均と中央値の使い分け．身長の平均の分布、企業の利益率の平均の分布.
(２) 相関係数とその大きさの意味および相関係数の安定性.
　　例) 新生児の体重と身長、姉妹の身長、科目関の相関.
(３) 回帰分析：最小二乗法の考え方と回帰直線.
　　例) 年齢と血圧、葉の窒素含有率と葉色、家計消費関数のデータ.
(４) 重回帰分析の基本的な考え方．回帰の残差に要求される前提条件.
　　残差に正規性が仮定できると．どのような利点があるか.
(５) 良い分析モデルの決め方、どの説明変数が重要か.
　　モデル選択とは．モデル選択の考え方の具体例による説明.
(６) 分散：回帰による予測値の散らばりの大きさ、データの散らばりの尺度.
　　平均偏差と分散　　例)血圧値のデータ、血色素量のデータ．
(７) 回帰係数の信頼幅（95％信頼区間）、母平均の区間による推定、t分布．
　　例) 支出額のデータ．あやめの花びらのデータ、第1大臼歯の長さ．
(８) ロジスティック回帰分析．
　　例) スペースシャトル事故の予測 ．
(９)自己回帰モデル：時間と共に変わるデータにもとづく自己回帰．
　　例) 非鉄金属卸売物価指数の予測．
(10) 統計的仮説検定の考え方と検出力．検定結果が信頼できるデータ数とは.
　　第1種の過誤の確率（有意水準）と第2種の過誤の確率、検出力.
(11) 平均の検定、対になったデータの平均の検定：t検定.
　　例) ．新生児の身長、血圧降下剤のデータ.
(12) 二標本の平均の検定．平均値は異なると言えるか.
　　例) ある特殊鋼の強度データ．尿酸量のデータ、テストによる学力の差の検定.
(13) 分布型によらない検定：中央値．中央値の差の検定、分布の差の検定.
　　例) 免疫グロブリンのデータ、GPTのデータ、伊予かんとリンゴの価格.
(14) 二項分布(2値データ)の推定と検定、ポアソン分布(稀に起こる事象の分布).
(16)データのリサンプリングによるブーツストラップ法.
　　例) 薬効評価のデータへのブーツストラップ法の適用.
(15)質的データのクロス集計．適合度の検定．独立性の検定.
(16)言葉を集計する-テキストマイニング.
(17) 総合討論：分析結果の信頼性と現実問題での対応.

●ご自分の関心あるデータでの分析：申し出による希望者のみ.
　10分の説明と、それに対する講師の解釈とコメント（説明の際に使うデータは、他の方もいるので実際のデータでなくてよい。多少の変更を加えたデータでよい）.