基本情報/Basic Information

開講科目名 ／Class	経営科学特殊講義／Advanced Lecture on Management Science
授業コード ／Class Code	J003281001
ナンバリングコード ／Numbering Code
開講キャンパス ／Campus	ﾎﾟｰﾄｱｲﾗﾝﾄﾞ
開講所属 ／Course	修士／
年度 ／Year	2026年度／Academic Year
開講区分 ／Semester	通年／FULL-YEAR
曜日・時限 ／Day, Period	金2(前期),金2(後期)／FRI2(SPR.),FRI2(AUT.)
単位数 ／Credits	4.0
主担当教員 ／Main Instructor	山田　耕／YAMADA KO
遠隔授業 ／Remote lecture	No

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Affiliation
山田　耕／YAMADA KO	経営学部／Business Administration

授業の方法 ／Class Format	基本的に対面授業
授業の目的 ／Class Purpose	経営科学の核心は、経験や勘に頼りがちな意思決定を、数理的アプローチによって誰もが再現可能な形式でシステム化することにあります。現代社会において、ビジネスの意思決定にデータの参照・活用は不可欠です。Webの充実やコンピュータ技術の飛躍的発展により、ビッグデータは容易に入手可能となり、さらにAIの進化によって、各種の統計分析もかつてないほど手軽に行える環境が整いました。 しかし、データやツールが溢れる一方で、集められた貴重なデータが分析手法の欠如により活用されず、「塩漬け」状態にされるケースも少なくありません。ツールが進化したいまだからこそ、単に計算結果を出すだけでなく、自ら適切な手法を選択し、データを価値ある情報へと変換する高度なスキルが求められています。 本講義では、科学的根拠に基づく意思決定を行うための理論と実践手法を学びます。前半では「問題発見・構造化」や「仮説思考」といった定性的な概念整理から始め、アンケート調査法や記述・推測統計の基礎を固めます。後半では、プログラミング言語「Python」を活用し、重回帰分析などの多変量解析や組織における資源配分問題(在庫管理や階層分析法)、さらにはシミュレーションと確率論といった数理モデルへの応用までを網羅します。AIやソフトに「使われる」のではなく、それらを使いこなし、分析結果からビジネスの課題を解決へと導くプロフェッショナルな意思決定能力を養うことを目的とします。
到　達　目　標 ／Class Objectives	以下を到達目標とします： １．意思決定に必要な問題発見力と仮説思考力を身につけ、データ分析の戦略を立てられるようになります。 ２．推測統計から回帰分析まで統計手法の概念を理解し、Pythonで種々の分析が行えるようになります。 ３．シミュレーションや階層分析法など経営科学の理論を修得し、経営問題に適用できるようになります。
授業のキーワード ／Keywords	記述統計、推測統計、多変量解析、シミュレーション
授業の進め方 ／Method of Instruction	対面授業を中心に進めます。授業時間中に演習問題を解いてもらいます。また、輪読形式の講義も行う場合があります。履修者の数に応じて、内容を(どこを重点的に行うかという意味で)柔軟に変更していきます。プレゼンを数回行ってもらいます。
履修するにあたって ／Instruction to Students	全講義数の3分の1以上欠席した場合、単位を取得することはできません。また、大学が認めていない事由による遅刻は減点の対象とします。
授業時間外に必要な学修内容・時間 ／Required Work and Hours outside of the Class	予習として、講義で使用する資料を読んできてください(少なくとも60分)。復習として授業中に配布した資料を熟読してください(少なくとも60分)。復習では、自ら授業で学んだ概念について理解しているか確認し、学んだ概念を第三者に説明できるのか考えてみてください。この講義では、PythonをGoogle Colabで動かしていきます。Googleが使えるようにしてください。また、本講義は数学・プログラムの講義ではないため、Pythonの説明は基本的に行いませんし、多くの数式が出てきます。大学初学年ぐらいの数学の知識があるという前提で話を進めていきます。そのため、必要に応じて文献・論文等をインターネットや図書館で探し、わからない部分について調べてください。それでも、わからないことがあったら次回の授業で質問するようにしてください。
提出課題など ／Quiz,Report,etc	少なくとも1回レポートを提出すること。また、宿題を数回出す場合があります。
成績評価方法・基準 ／Grading Method・Criteria	提出物(宿題を含む)、発表内容、講義のディスカッションへの貢献度、参加度で評価します。
テキスト ／Required Texts	特に指定しない。
参考図書 ／Reference Books	東京大学教養学部統計学教室(編)、統計学入門、東京大学出版会、1991年、1991/07/09、9784130420655 竹居正登、入門 確率過程、森北出版、2020年、2020/7/28、9784627094413 内田和成、仮説思考―ＢＣＧ流 問題発見・解決の発想法、東洋経済新報社、2006/3/31、9784492555552 馬場真哉、Pythonで学ぶあたらしい統計学の教科書、翔泳社、2018/04/19、9784798155067 加藤諒・西山慶彦・川口大司、計量経済学の第一歩―実証分析のススメ、有斐閣、2015/12/17、9784641150287

No.	回 ／Time	主題と位置付け ／Subjects and position in the whole class	学習方法と内容 ／Methods and contents	備考 ／Notes
1	1	イントロダクション	本講義の進め方について説明します。
2	2	問題発見力とは	「あるべき姿」と「現状」のギャップとして問題を捉える考え方を学び、問題発見の重要性を理解します。輪読形式で行う予定です。
3	3	戦略的問題発見の構想力とは	観察力・判断力・分解力・統合力の重要性を理解して、問題の構造を把握する方法を勉強します。輪読形式で行う予定です。
4	4	仮説思考力	仮説と検証のサイクルを理解し、問題の「拡がり」「深さ」「重さ」から本質を分析する手法を学びます。輪読形式で行う予定です。
5	5	世論調査法	様々な世論調査の方法について説明します。
6	6	アンケート調査法	アンケートを行う上で気を付けなければいけないことを説明します。
7	7	記述統計のおさらい	各種記述統計について復習します。
8	8	グラフなどの情報を見る方法	有限な資源を効果的に活用し、どの問題にフォーカスすべきかを判断するためにグラフなどを活用していきましょう。その術を見ていきたいと思います。
9	9	政府統計の使い方	オープンデータの説明と政府統計の使い方を勉強しましょう。
10	10	推測統計1	点推定と区間推定について説明します。
11	11	推測統計2	仮説検定について説明します。
12	12	2群の差などの検定	t検定や独立性の検定などについて説明します。
13	13	分散分析	一元配置や二元配置分散分析について説明します。
14	14	課題のレポート作成に向けて1	最終発表会に向けた議論を行います。
15	15	課題のレポート作成に向けて2	前週の結論を基にどのようなデータを使うべきかを議論しましょう。
16	16	イントロダクション	前期の振り返りをします。
17	17	回帰分析1	1次関数の復習と単回帰分析の意味について説明します。
18	18	回帰分析2	重回帰分析について説明します。
19	19	回帰分析3	ダミー変数とそれを使った重回帰分析について説明します。
20	20	ロジスティック分析など	ロジスティック分析などについて説明します。
21	21	ランダムウォークとマルコフ過程とは	ランダムウォークの概念を学び、確率過程の基礎を理解します。
22	22	マルコフ過程1	マルコフ連鎖の定義と推移確率行列について説明します。
23	23	マルコフ過程2	マルコフ過程の定常状態を学び、データへの応用について学びます。
24	24	確率論1	最適停止問題について考えていきます。
25	25	確率論2	シミュレーションを使って未来を予測することを学びます。
26	26	在庫管理の基礎1	在庫管理の目的と基本的な考え方について説明します。
27	27	在庫管理の基礎2	発注点方式と経済的発注量の求め方を学びます。
28	28	課題のレポート作成に向けて1	自ら探してきたデータをここまで勉強した分析でどのように分析するのかを検討しましょう。
29	29	課題のレポート作成に向けて2	前週の結論を基にデータをどのようにを分析するべきかを議論しましょう。
30	30	最終発表	課題レポートの内容をプレゼンしてもらいます。