科目ナンバー

SS-BI2-9C08

履修条件・関連科目等

パソコンの基本的な操作（Excelで簡単な表が作れる程度）ができること。

授業で使用する言語

日本語

授業で使用する言語（その他の言語）

授業の概要

本科目では、生物学における実際のデータを題材として、データの整理・可視化から統計モデルによる解析、結果の解釈に至るまでの一連の流れを学ぶ。R言語を用いた実習を中心に、データの前処理や可視化を通してデータ構造への理解を深め、一般化線形モデル（GLM）を軸に統計的解析の考え方を扱う。

科目目的

実際に手を動かしながら解析を行うことで、卒業研究や今後の研究活動において自立してデータ解析を行うための基礎的な思考力と実践力の習得を目指す。

到達目標

データを扱うことが好きになり、データの入力から解析までの一連の流れを理解すること。

授業計画と内容

第１回 統計学とは
第２回 R言語の概要と基本的な操作
第３回 データの入力と管理
第４回 データの前処理と整然データ
第５回 データの型と測定尺度
第６回 データの可視化
第７回 記述統計とデータのばらつき
第８回 ロジスティック回帰
第９回 一般化線形モデル（GLM）による推定と結果の可視化
第10回 尤度と統計モデル
第11回 最尤推定と数値最適化
第12回 乱数生成とシミュレーション
第13回 モデルの評価と限界
第14回 総合演習問題

※ ３日間の集中講義形式で実施する予定。
７月末から８月初めの集中講義を想定。
詳細は後日、manabaコースに記載する。

授業時間外の学修の内容

授業終了後の課題提出

授業時間外の学修の内容（その他の内容等）

・各実施日に行った授業内容を復習する簡単なテストを行う
・分からない箇所は学生同士で相談し合っても良い

授業時間外の学修に必要な時間数／週

・毎週１回の授業が半期（前期または後期）または通年で完結するもの。１週間あたり４時間の学修を基本とします。
・毎週２回の授業が半期（前期または後期）で完結するもの。１週間あたり８時間の学修を基本とします。

成績評価の方法・基準

成績評価の方法・基準（備考）

課題や試験のフィードバック方法

授業時間内で講評・解説の時間を設ける

課題や試験のフィードバック方法（その他の内容等）

実施日の冒頭で問題の解答と解説する。

アクティブ・ラーニングの実施内容

その他

アクティブ・ラーニングの実施内容（その他の内容等）

実際にデータを分析しながら肌でスキルを身に着けるスタイルの授業。

授業におけるICTの活用方法

実施しない

授業におけるICTの活用方法（その他の内容等）

実務経験のある教員による授業

いいえ

【実務経験有の場合】実務経験の内容

【実務経験有の場合】実務経験に関連する授業内容

テキスト・参考文献等

毎回パワーポイントの資料を用意する。
以下に自学用の参考文献を挙げる（授業をこれらに沿って進めるわけではないので注意すること）

・R言語（特にデータ整形と可視化に関する）について
松村優哉，湯谷啓明，紀ノ定保礼，前田和寛 著 『改訂2版 RユーザのためのRStudio［実践］入門 ― tidyverseによるモダンな分析フローの世界』 技術評論社，2021年 ISBN: 978-4-297-12170-9

・尤度や統計モデルについて
島谷健一郎 著 『ポアソン分布・ポアソン回帰・ポアソン過程』 近代科学社，2017年 （統計スポットライト・シリーズ 2） ISBN: 4764905469

久保拓弥 著 『データ解析のための統計モデリング入門 ― 一般化線形モデル・階層ベイズモデル・MCMC』 岩波書店，2012年 （確率と情報の科学） ISBN: 9784000069731

・生物学への応用について
岸野洋久 著 『生のデータを料理する〔増補版〕 ― 統計科学における調査とモデル化』 日本評論社，2001年 ISBN: 4535783411

その他特記事項

参考URL