山梨大学電子シラバス

授業科目名

データサイエンス２

担当教員

西郷　達彦

時間割番号

単位数

履修年次

期別

DMA201

通期

［学習目標］

医学を含む諸科学においては，新たな事実を知るため研究を行ったり他人の研究結果を読み解く必要があります。ここで何らかの事実を述べる際には、実際に実験や観察を行った一部の対象の事実からより広い対象に同じ事実が成り立つことを言う一般化が伴います。しかしここには論理の飛躍が伴い、これを保証するための方法論が必要です。その方法論が統計学であり、この科目で身につけるべき内容です。そこで研究を行い論文を書く際はもちろん、他人の研究成果を読み解く際にも統計学の知識と考え方が必要となります。

　近年では強力な統計ソフトウェアが充実していることから、十分な統計学の理解がないまま多くの手法が乱用されていることが指摘されています。根拠のない解析は間違った研究結果につながり、研究に携わる人々や機関・対象者・公表した内容に関わる人々など多方面に損害を与えます。確率・統計の基本概念を成り立ちなど背景から理解し，各手法の根底にある発想を身につけることが求められます。

　学部1・2年生は実際に解くべき具体的な問題を伴わないため統計学を学ぶ動機づけに欠ける時期ではありますが、数学の知識が豊富であるためこれに関わる基盤からの統計学を学ぶにはむしろ絶好の時期ともいえます。数学的な基礎から統計を身につけておくと、将来より専門的な手法を学ぶ際にもはるかに有利になります。安易なhow toを求めず長く用いられる基礎を身につけてください。

　データサイエンス２では１での基礎をもとにより進んだ手法や正規母集団以外の解析方法など実際の医学研究で多用される手法を学びます。

［授業計画］

１：ノンパラメトリクス
２：クロス表の基本
３：クロス表の検定
４：単回帰
５：重回帰
６：一元配置分散分析
７：二元配置分散分析
８：これまでの講義のまとめ
９：生存時間分析
１０：ＲＯＣ曲線
１１：検出力とサンプルサイズ
１２：判別分析
１３：主成分分析
１４：ゲノム統計学（非常勤講師・上辻茂男先生担当予定　１回）
１５：これまでの講義のまとめ

状況に応じて講義の順序等が入れ替わることがある。

［到達目標］

１．標本から何らかの事実に結論を出す仮説検定を実施し、説明できる。
２．回帰分析や分散分析など正規母集団への応用的手法を実施し、説明できる。
３．判別分析や主成分分析など多変量解析の応用的手法を実施し、説明できる。
４．クロス表やノンパラメトリクスなど正規母集団以外の解析を実施し、説明できる。
５．Ｒ環境を使って、簡単なデータの解析を実施し、説明できる。
６．ゲノム統計について説明できる。
７．医学研究に必要な統計解析の発想を身につけ、科学的思考力により新しい知識を生み出すことができる
８．以上により、さまざまな情報を統計学的手法により、数理的に表現・分析できる。

［評価方法］

No	評価項目	割合	評価の観点
1	試験：期末期	35 %	講義理解（クロス表・サンプルサイズ・生存分析・多変量解析・ゲノム統計学）
2	試験：中間期	35 %	講義理解（仮説検定・ノンパラメトリクス・回帰・分散分析）
3	小テスト／レポート	15 %	演習・レポートなど
4	受講態度	15 %	講義への取り組み

［教科書］

加納克人　高橋秀人, 基礎医療統計学, 南江堂,
(2019年3月に7版が出版予定とのこと)

［参考書］