Syllabus data
|
Teacher name ： KIRIYAMA Yoshimori
|
開講年度
2025Year
開講学期
First Semester
科目名
Statistics
授業種別
Lecture
科目名（英語）
Statistics
授業情報(授業コード・クラス・授業形態)
A2000035 Statistics
担当教員
KIRIYAMA Yoshimori
単位数
2.0Credits
曜日時限
Thu.4Period
キャンパス
Shinjuku Campus
教室
A-0865教室
学位授与の方針
１ 基礎知識の修得 20%
２ 専門分野の知識・専門技術の修得 60% ３ 汎用的問題解決力の修得 0% ４ 道徳的態度と社会性の修得 20% 具体的な到達目標
(1) データの分布とその評価方法について理解できる。
(2) 2つの変数・グループの差について適切な検定ができる。 (3) 3つ以上の変数・グループについて適切な検定ができる。 (4) 相関・回帰により、変数間の関係について評価できる。 (5) ベイズの定理を利用した確率を計算できる。 (6) 信頼区間、降下量、サインプルサイズの、検出力などについて理解できる。 受講にあたっての前提条件
微分・積分の基本的な計算ができること。
高校で学ぶ「確率・統計」について理解できていること。 授業の方法とねらい
データを扱う上で、統計学の知識は欠かすことができない。ここで言うデータとは、介入実験やアンケートにより得られた情報だけでなく、ロボットなどの制御で利用される時系列などのデータも含む。しかし多くの場合、統計学に関する基礎知識が不足しているため、データから平均を求めその値だけから優越を決めたり、不適節な検定方法に基づいて差の有無が議論されることが散見される。
統計学は、データに対する考え方や捉え方そのものでもあるため過分に哲学的な内容を含むが、その一方で数学的な根拠に裏付けされた学問でもある。それ故に、数学的な説明や理論が多くなりすぎると、実際の状況で統計学の何をどのように利用すれば良いかわからなくなることも少なくない。 そこで本講義では、理論的な内容の説明は最低限に留め、統計学を実際に利用するための実践的な内容に特化した説明と演習を行う。いくつかのケーススタディを用いることで、根拠に基づくデータの扱い方について学んで欲しい。 AL・ICT活用
Practice Fieldwork
第1回
授業形態
対面
事前学習
線形代数およびこれまでに学んだ確率・統計学の内容を確認しておくこと。
1時間
授業内容
統計学のガイダンス
(統計を使う場面、データを統計学的に扱う内容の全体像と関係、統計における基本的事項、ヒトを対象とする場合のルール、など) 事後学習・事前学習
授業時に提示された例題や演習問題に取り組む。不明な点があれば質問できるようにしておく。
1時間
第2回
授業形態
対面
授業内容
2つのグループ間の検定1
(データの尺度、対応の有無、パラメトリック・ノンパラメトリック法、エラーバーと箱ひげ図、など) 事後学習・事前学習
授業時に提示された例題や演習問題に取り組む。不明な点があれば質問できるようにしておく。
1時間
第3回
授業形態
遠隔（同時双方向）
授業内容
実習課題(HW1)
(内容については、事業時に指示する) 事後学習・事前学習
授業時に提示された例題や演習問題に取り組む。不明な点があれば質問できるようにしておく。
1時間
第4回
授業形態
対面
授業内容
2つのグループ間の検定2
(95%信頼区間、効果量、サンプルサイズの設計と検出力1、など) 事後学習・事前学習
授業時に提示された例題や演習問題に取り組む。不明な点があれば質問できるようにしておく。
1時間
第5回
授業形態
対面
授業内容
3つ以上のグループ間の検定
(一元配置分散分析、多重比較法、反復測定、正規性・球形性の有無、相関比、効果量) 事後学習・事前学習
授業時に提示された例題や演習問題に取り組む。不明な点があれば質問できるようにしておく。
1時間
第6回
授業形態
対面
授業内容
相関と回帰
(相関係数・決定係数、正規性の有無、(単)回帰分析・重回帰分析、回帰式、多重共線性、サンプルサイズと独立変数など) 事後学習・事前学習
授業時に提示された例題や演習問題に取り組む。不明な点があれば質問できるようにしておく。
1時間
第7回
授業形態
遠隔（同時双方向）
授業内容
実習課題(HW2)
(内容については、授業時に指示する) 事後学習・事前学習
授業時に提示された例題や演習問題に取り組む。不明な点があれば質問できるようにしておく。
1時間
第8回
授業形態
対面
授業内容
検査値の指標と高度な内容
(リスク比、オッズ比、レート、サンプルサイズと検出力2、無作為化比較試験、感度、特異度、ROC、など) 事後学習・事前学習
授業時に提示された例題や演習問題に取り組む。不明な点があれば質問できるようにしておく。
1時間
第9回
授業形態
遠隔（同時双方向）
授業内容
ベイズ統計学
(ベイズの定理、p値と多重性の問題) 事後学習・事前学習
授業時に提示された例題や演習問題に取り組む。不明な点があれば質問できるようにしておく。
1時間
第10回
授業形態
遠隔（同時双方向）
授業内容
実習課題(HW3)
(内容については、授業時に指示する) 事後学習・事前学習
授業時に提示された例題や演習問題に取り組む。不明な点があれば質問できるようにしておく。
1時間
第11回
授業形態
対面
授業内容
時系列データにおける統計学的処理1
(状態空間モデル、カルマンフィルタ、EMアルゴリズム、など) 事後学習・事前学習
授業時に提示された例題や演習問題に取り組む。不明な点があれば質問できるようにしておく。
1時間
第12回
授業形態
対面
授業内容
時系列データにおける統計学的処理2
(MCMC、粒子フィルタ、変分ベイズ、など) 事後学習・事前学習
授業時に提示された例題や演習問題に取り組む。不明な点があれば質問できるようにしておく。
1時間
第13回
授業形態
対面
授業内容
統計利用に関する先端的な内容
(AI、医療・トップジャーナルでの対応など) 事後学習・事前学習
授業時に提示された例題や演習問題に取り組む。不明な点があれば質問できるようにしておく。
1時間
第14回
授業形態
遠隔（同時双方向）
授業内容
実習課題(HW4)
(内容については、授業時に指示する) 事後学習・事前学習
授業時に提示された例題や演習問題に取り組む。不明な点があれば質問できるようにしておく。
1時間
第15回
授業形態
遠隔（同時双方向）
授業内容
これまでの総復習を行う。
事後学習
これまでの総復習を行う。
1時間
成績評価の方法
成績評価は、実習課題(HW)＋レポート＋授業時の課題を100点満点で評価し、60点もしくはGrade D以上の者に単位を認める。
受講生へのフィードバック方法
演習課題の説明は、次週の授業開始時に行う。
教科書
特に定めない
参考書
例題で学ぶ初歩からの統計学、白砂堤津耶、日本評論社
統計検定2級対応 統計学基礎、日本統計学会編、東京図書 統計学入門 (基礎統計学Ⅰ)、東京大学教養学部統計学教室、東京大学出版会 統計的信号処理、関原謙介、共立出版 オフィスアワー
・水曜日12:40〜13:30 新宿キャンパス 高層棟A-1774室(生体医工学研究室)。
・簡単な質問は、授業後に教室にて受け付ける。 ・あらかじめ予定がわかっている場合には、事前にE-mailで連絡をすることが望ましい(kiriyama@cc.kogakuin.ac.jp)。 受講生へのメッセージ
統計学は、データを扱うための基本的な学問であるが、実践的な利用方法を知らないがために利用できていない学生・研究者が多い。確率の計算に苦手意識を持つ学生もいるが、基本的な内容はソフトウェアが計算するため特に問題にはならない。それよりも重要なことは、正しい判断の下に適切な方法を選択するための基礎知識を身につけることである。エンジニアとして最低限必要な統計学の素養を身につけて欲しい。
実務家担当科目
Applicable
実務経験の内容
ヒトや検体を対象にした、統計学に基づく実験デザイン
ヒトに関するデータの統計学的処理と評価 教職課程認定該当学科
Not applicable
その他の資格・認定プログラムとの関連
関連する科目である
教育課程コード
Ⅲ3b/Ⅲ3c
教育課程コードの見方【例】 Ⅰ2a（Ⅰ…Ⅰ群、2…2年配当、a…必修） ※ a : 必修 b : 選択必修 c : 選択 ※複数コードが表示されている場合には入学年度・所属学科の学生便覧を参照のこと
|
