| 英文名 | Biological Statistics | |
|---|---|---|
| 科目概要 | 獣医学科２年後期 [木曜日1時限(週1コマ)]、２群科目、必修、講義、１単位(15時間) |
|
| 担当者 | (◎は科目責任者，※は実務経験のある教員) ◎武田 一貴 | |
| 講義室 | B31講義室 | |
| 備考 | 科目ナンバリング：VV201-VB22 |
|
卒業研究等で適切な統計手法を選択し実験・臨床データを解析する能力及び、卒業研究及び獣医師としての職務で読解する学術論文内で実施されている統計解析が適切かを判断する能力の修得。
現代の生命科学・獣医学分野においてほぼ全ての研究で実験結果の信憑性を担保するために統計解析が用いられています。本学科でも全学生が卒業研究を実施し卒業論文を提出しますが、この際に正しく統計解析を実施する能力を身に付けている必要があります。また、卒業研究や卒後に獣医師として臨床～研究職として勤務する際には学術論文等から実験データを読解し自身の知識とする必要がありますが、残念ながら不適切な統計手法により誤った結論を記載している論文も少なくありません。これに対し獣医師というプロフェッショナルとして記載内容を鵜吞みにするのではなく、批判的思考で論文を読解する際にも統計学的知識が必要です。そこで、本講義では生命科学分野において必要な統計学の基礎理論及び、仮説検定を中心とした各種統計解析手法と基本的な使用法を身に付けるための講義と演習を実施します。
パワーポイントプレゼンテーションを用いた講義形式を基本とします。
毎講義の冒頭では前回の講義内容振り返りの小テストを設けています。これは第1回～第7回までの講義内容は特に連続性が高く、前回の講義内容を頭に入れておく事で理解度が格段に上昇するためです。
また、卒業研究で即戦力となる実用的な統計分析技術の習得を目指し、受講者各自のノートパソコンを用いて統計解析を演習する回もあります。
これら小テスト・レポートの解答に対し都度解説を実施し理解度の向上を目指します。
◎ DP1：生命科学の理解と高い教養及び倫理観の習得
◯ DP2：動物の病気の診断･治療･予防に関する知識と実践能力
◎ DP4：医薬品の開発に寄与する能力
| 回 | 項目 | 内容 |
|---|---|---|
| 1 | 統計学概論 ～君たちはなぜ統計学を学ぶか～ | 統計学的な思考法とは、生物統計学の概観 |
| 2 | 検定と推定とは、仮説検定の基本 | 標本抽出法、標準偏差/標準誤差/信頼区間、仮説検定の基礎理論、検定における過誤 |
| 3 | データの分類・確率分布・基本統計量 | データの種類（尺度）、基本統計量（平均値、標準偏差、標準誤差、変動係数等）、代表的な確率分布 |
| 4 | 2群間の差の検定 | 正規分布とt分布、仮説検定の計算の概念、対応のあるｔ検定、スチューデントのｔ検定、ウェルチのｔ検定、等分散検定 |
| 5 | 分散分析（ANOVA) | 等分散性の検定（F検定）、多重性の問題、一元配置分散分析（One-way ANOVA） |
| 6 | 多群間の検定 | Tukey検定、Dunnett検定、偽陽性発見率（FDR） |
| 7 | ノンパラメトリック検定 | ノンパラメトリックとは、正規分布性の検定、U検定、Wilcoxon検定、ノンパラメトリックな多群比較 |
| 8 | JMPを用いた統計分析演習1－仮説検定－ | JMPの基本的な使用法、各種仮説検定のJMPでの実施 ※各自のノートPCを使用 |
| 9 | 計数値（カウントデータ）の検定 | 計数値の意味、二項分布とカイ二乗分布、カイ二乗検定（適合度検定/独立性の検定）、フィッシャーの正確確率検定、マクネマー検定 |
| 10 | 相関と回帰 | 散布図と相関の概念、ピアソン/スピアマンの相関係数、線形回帰と最小二乗法、回帰分析の応用手法 |
| 11 | JMPを用いた統計分析演習2－計数値と相関/回帰の分析－ | JMPを用いた計数値の仮説検定、相関と回帰分析 ※各自のノートPCを使用 |
| 12 | 機械学習の基礎 | 機械学習/AIとは、教師あり学習と教師なし学習、深層学習、ChatGPTなど最先端の知見 |
| 13 | JMPを用いた統計分析演習3－機械学習－ | JMPを用いた機械学習（決定木等）の基礎演習 ※各自のノートPCを使用 |
| 14 | 総括1 | 1~13回で習得した統計手法の復習と使い分けを整理し、知識を体系化する |
| 15 | 総括2 | 統計学の知識・統計分析の実践能力、双方の習熟度の確認 |
１．生命科学におけるデータの特質と統計処理の必要性を理解する。
２．代表的な基本統計量・統計手法についてその概念と適応範囲を理解する。
３．データに変動を生ずる要因を分類し、適切な検定方法を選択できる。
４．さまざまなデータに対し、PCを用いた実用的な解析をする事ができる。
各講義の冒頭5分間で前回内容の復習として小テストを実施します。また、PCを用いた統計解析を実施し分析結果をレポートとして提出してもらいます（小テスト+レポートで合計40点）。これらと期末試験（60点）の総合点で評価します。
【授業時間外に必要な学習の時間：30時間】
予習：SNSやマスメディアで見かける健康食品などライフサイエンスに関する広告・記事でデータがどのように扱われているか目に止めるよう意識してみてください。
復習：各講義の冒頭で前回のキーポイントに関する小テストを実施するのでこれに備え各回の要点を講義資料で復習してください。各講義資料末尾にはTake Home Slideとして要点を纏めているので、これを中心に出題します。
ノートPCでの解析を実施する回があるので各自のノートPCを使用できるよう準備してください。解析ソフトウェアはJMP Student Editionを用います。
| 種別 | 書名 | 著者・編者 | 発行所 |
|---|---|---|---|
| 教科書 | (なし) | ||
| 参考書 | データ分析に必須の知識・考え方 統計学入門 仮説検定から統計モデリングまで重要トピックを完全網羅 |
阿部真人 | ソシム |
| 参考書 | ＪＭＰによるデータ分析 第３版―統計の基礎から多変量解析まで | 内田治 平野綾子 |
東京図書 |