生命科学部Faculty of Bioscience and Applied Chemistry
PRI100YB（情報学基礎 / Principles of informatics 100）生物統計学Biostatistics
谷合 弘行Hiroyuki TANIAI
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 生命科学部Faculty of Bioscience and Applied Chemistry |
| 添付ファイル名Attached documents | |
| 年度Year | 2024 |
| 授業コードClass code | H7558 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 秋学期授業/Fall |
| 曜日・時限Day/Period | 月1/Mon.1 |
| 科目種別Class Type | |
| キャンパスCampus | 小金井 |
| 教室名称Classroom name | 各学部・研究科等の時間割等で確認 |
| 配当年次Grade | |
| 単位数Credit(s) | |
| 備考（履修条件等）Notes |
成績優秀者の他学部科目履修制度で履修する学 生：教員の受講許可が必要(オンライン授業の場合は、学習支援システムで許可を得るようにする) |
| 他学部公開科目Open Program | |
| 他学部公開（履修条件等）Open Program (Notes) | |
| グローバル・オープン科目Global Open Program | |
| 成績優秀者の他学部科目履修制度対象Interdepartmental class taking system for Academic Achievers | ○ |
| 成績優秀者の他学部科目履修（履修条件等）Interdepartmental class taking system for Academic Achievers (Notes) | |
| 実務経験のある教員による授業科目Class taught by instructors with practical experience | |
| SDGsCPSDGs CP | |
| アーバンデザインCPUrban Design CP | |
| ダイバーシティCPDiversity CP | |
| 未来教室CPLearning for the Future CP | |
| カーボンニュートラルCPCarbon Neutral CP | |
| 千代田コンソ単位互換提供（他大学向け）Chiyoda Campus Consortium | |
| カテゴリー＜生命科学部＞Category | 学科共通科目 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
[Course outline]
We will learn the basic idea of statistical inferences and master standard methods in data analysis.
[Learning Objectives]
You will
* learn descriptive statistics techniques and be able to read trends in the obtained data;
* understand how statistical inference works;
* be able to draw reasonable conclusions about the data generating structures.
[Learning activities outside of classroom]
If you are interested in something that was discussed in the lecture, you can refer to the books or materials referred in this class.
[Grading Criteria / Policy]
Final exam (100%).
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的（何を学ぶか）Outline and objectives
統計的推測の基本的な考え方を理解し、データ分析における標準的な手法を習得します。
到達目標Goal
まず、記述統計の手法を習得し、得られたデータの傾向などを読み取る操作ができるようになります。
そして、統計的推測の仕組みを理解することで、データを生成しているであろう構造についての推定や検定について考えられるようになります。
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか（該当授業科目と学位授与方針に明示された学習成果との関連）Which item of the diploma policy will be obtained by taking this class?
DP2
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)（学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. ）
統計学とは得られたデータへ我々が与える解釈に関する方法論のことですが、統計的手法は多岐にわたります。本講義ではそれら手法を多く紹介して慣れることよりも、それらの基礎にある考え方の理解を目指します。
授業はスライドの提示とそのPDFファイルを配布して行います。試験は資料持ち込み可ですが、問題としては基本的なものを予定しています。
また、課題等の提出・フィードバックは「学習支援システム」を通じて行う予定です。
アクティブラーニング（グループディスカッション、ディベート等）の実施Active learning in class (Group discussion, Debate.etc.)
なし / No
フィールドワーク（学外での実習等）の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching：対面/face to face
※各回の授業形態は予定です。教員の指示に従ってください。
1[対面/face to face]：準備としての確率論 (1)
確率の意味、積分
2[対面/face to face]：準備としての確率論 (2)
分布、期待値、分散
3[対面/face to face]：準備としての確率論 (3)
二項分布、正規分布
4[対面/face to face]：準備としての確率論 (4)
条件付き確率、共分散
5[対面/face to face]：準備としての確率論 (5)
正規分布の意味
6[対面/face to face]：統計モデルと統計量
母集団と標本、最小二乗法
7[対面/face to face]：統計的推定 (1)
推定量の良さ、最尤推定量
8[対面/face to face]：統計的推定 (2)
信頼区間、母平均の区間推定、標本数の決定
9[対面/face to face]：統計的推定 (3)
カイ二乗分布、t分布、母分散未知での推測
10[対面/face to face]：仮説検定 (1)
検定の考え方、検定の良さ
11[対面/face to face]：仮説検定 (2)
母平均に関する検定（母分散既知/未知）
12[対面/face to face]：回帰分析 (1)
線形回帰、重回帰
13[対面/face to face]：回帰分析 (2)
線形回帰の応用
14[対面/face to face]：その他の話題
その他の話題
授業時間外の学習（準備学習・復習・宿題等）Work to be done outside of class (preparation, etc.)
【本授業の準備・復習等の授業時間外学習は、4時間を標準とする】講義で話されたことで興味を持ったことがあれば、参考書などを参照して復習しながら理解を深めてください。
テキスト（教科書）Textbooks
特に指定しません。
参考書References
藤澤洋徳（2006）『確率と統計』、現代基礎数学 13、朝倉書店。
宮田庸一（2012）『統計学がよくわかる本』、アイケイコーポレーション。
Bruce et al.（2020）『データサイエンスのための統計学入門 第2版』、オライリージャパン。
成績評価の方法と基準Grading criteria
期末試験(100%). 期末に行う筆記試験（資料持込可）の結果のみで評価します。
学生の意見等からの気づきChanges following student comments
理解を深めてもらうための例題をさらに増やし、かつ時間も割いて丁寧に解いて見せるように改善する予定です。難易度も若干下げる予定です。Excelだけでなく、PythonあるいはRによるデータの扱い方についても触れる予定です。