統計学 [A2][対面] ｜シラバス情報

開講年度

2026年度

開講学期

前期

科目名

統計学

授業種別

講義

科目名（英語）

Statistics

授業情報(授業コード・クラス・授業形態)

A2000035 統計学 [A2][対面]

担当教員

桐山善守

単位数

2.0単位

曜日時限

木曜4限

キャンパス

新宿

教室

A-0865教室

学年

カリキュラムにより異なります。

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

実習・フィールドワーク

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、データの特徴を表す値、四分位範囲、統計的検定とその決め方、統計における2つの誤りなど)

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（オンデマンド）

授業内容

実習課題(HW1)
(R/R studioの基本的な使い方)

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
(母集団と標本、95%信頼区間、p値の解釈、効果量、信頼区間・優越性・同等性・非劣勢、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
(検定多重性の問題、分散分析、多重比較法、反復測定のある多重比較法など)

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6回

授業形態

対面

授業内容

相関と回帰
(相関・相関係数、回帰・(重)回帰分析・(多重)ロジスティック回帰分析、分割表など)

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（オンデマンド）

授業内容

実習課題(HW2)
(R/R studioを用いた相関・回帰・分割表と検定の操作など)

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・オッズ、感度・特異度、ROC曲線、効果量、検出力とサンプルサイズなど)

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9回

授業形態

対面

授業内容

ベイズ統計学(1)
(条件付き確率、ベイズの定理、ベイズ更新など)

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10回

授業形態

遠隔（オンデマンド）

授業内容

実習課題(HW3)
(R/R studioを用いた様々な分布の操作など)

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11回

授業形態

対面

授業内容

ベイズ統計学(2)
(事後確率・尤度・事前確率、ベイズ推定と確率分布、理由不十分の原理、自然共役事前分布など)

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

ベイズ統計学(3)
(平均・分散の推定、精度、経験ベイズ推定、階層ベイズ推定、尤度原理、同一性と可換性、デ・フィネッティの定理など)

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

時系列データにおける統計学的処理
(最尤原理と最尤推定法、ベイズ推定から見たカルマンフィルタ)

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（オンデマンド）

授業内容

実習課題(HW4)
(R/R studioを用いたカルマンフィルタの操作とその他のトピックなど)

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。

【注意】授業のスケジュールや内容については、変更する場合があります。変更がある場合は授業時にお知らせするので、変更された内容を優先してください。

実務家担当科目

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

該当なし

その他の資格・認定プログラムとの関連