カリキュラム(生物科学)

  単元 重要度 標準講義回 狙い キーワード
1.統計学の意義 統計リテラシー 1 生物科学(生態学,遺伝学,農学など)における統計学の役割を理解するとともに,データのばらつきやバイアスの概念を通して,表現上の誇張や誤解などを事例とともに考える。 生物科学における統計手法、生物科学のデータ、統計のウソ(statistical lie)
問題の発見と解決 2 データに基づく統計的問題解決のプロセスを理解し,研究仮説の立て方,調査や実験・観察などのデータの収集計画,比較・関連性・分類など分析の方向性を考えることができる。 問題設定、問題解決の枠組み
種々のデータ 3 基本的なデータの型や尺度の違いを具体的な例を交えて理解する。 統計学と生物科学との歴史
統計学の歴史 1 計算技術やコンピュータの進展に伴い発展してきた生物科学における統計手法の変遷を概観し,現在の統計学の役割を理解する。 統計学と生物科学との歴史
2.調査と実験のデザイン 調査 2 調査計画や調査方法により精度の違いや結果の偏りが生じる可能性があることを理解し,適切な調査計画・方法を考えることができる。 調査計画、サンプリング、偏り、交絡因子、欠測値
実験 2 実験結果に生じる変動を理解し,局所管理や繰り返し測定,比較実験でのランダム割り付けなどの手法を適切に活用して,より正確な実験結果を導く方法を考えることができる。 実験計画、Fisher の3原則(ランダム化,反復,局所管理)、無作為割付、盲検化
3.データの記述 統計表・グラフ(一般) 3 データ全体の傾向や特徴を読み取るため,目的に応じて表やグラフ(棒グラフ,折れ線グラフ,円グラフ,帯グラフなど)にまとめる方法を理解する。 棒グラフ、折れ線グラフ、円グラフ、帯グラフ
分布を表す統計表・グラフ 4 度数分布表,箱ひげ図,ドットプロット,ヒストグラムなどによって,データの分布の特徴(中心の位置やばらつきの様子や程度)を捉える方法を理解する。 ドットプロット、度数分布表、ヒストグラム、箱ひげ図、QQプロット
基本統計量 4 平均値,中央値,最頻値,範囲(レンジ),四分位範囲,分散,標準偏差などの基本統計量を求めて,分布の中心の位置とばらつきの大きさを評価する方法を理解する。 最頻値、中央値、平均値、範囲、四分位範囲、分散と標準偏差、標準化得点、外れ値
分割表(クロス集計表) 5-6 2つ以上の質的変数について分割表を作成し,度数や割合の比較やオッズ比をもとに,変数間の関係を捉えることができる。 分割表、連関指標、リスク差,リスク比,オッズ比、層別、シンプソンのパラドックス
相関関係 5-6 2つ以上の量的変数の関係性について,散布図を作成し視覚的に,また相関係数などから数量的に把握し,さらにこれらの関係を回帰分析で分析をすることができる。 散布図、共分散、相関係数、回帰直線、相関と因果、見かけの相関
4.確率と確率分布 確率 7 様々な事象の起こりやすさを数値で表す確率について,その概念と求め方や統計学における意味を理解する。 条件付き確率、ベイズの定理
確率分布の概念 7 確率変数や確率分布の概念を学び,確率変数の期待値や分散の意味を理解する。 確率変数、離散型確率分布と連続型確率分布、平均と分散(共分散、相関を含む)、同時分布と周辺分布
主な確率分布 8 2項分布や正規分布などの基本的な確率分布の定義や統計学的性質を学び,実際の使用事例についても理解する。 2項分布、ポアソン分布、正規分布、指数分布、一様分布
5.母集団と標本 統計量 9 母集団の特性を知るために,母集団と標本,および,母数(パラメータ)と統計量を区別し,適切な標本抽出を行い,統計量を手がかりにして母集団の特性を推測するという考え方を理解する。 母集団と標本、母数と統計量、標本分布、標準誤差
標本分布 9 母集団の分布と標本平均や標本割合の分布の関係を理解するとともに,標本サイズが推測に与える影響を理解する。 t分布、χ2分布、F分布、標本サイズ
6.統計的推測 点推定 10-11 母集団分布を特徴づける平均などの母数の値を,標本に基づいてひとつの値で推定する方法,および,その方法によって推定される量の特徴について理解する。 最小二乗法、最尤法
区間推定 10-11 母集団分布を特徴づける平均などの母数の値を,標本に基づいてある幅を持って推定する考え方とその方法を理解する。 信頼区間と信頼係数、平均の区間推定、比率の区間推定
仮説検定の考え方 12 母集団分布の母数に関して帰無仮説と対立仮説を立てて,標本に基づいて帰無仮説を棄却するか否かを判断するための方法を理解する。 帰無仮説、対立仮説、検定統計量、p値、有意水準と棄却域、2種の誤りと検出力
種々の検定 12 2つの母集団の平均に違いがあるか(平均値の差の検定),2つの質的変数が独立であるか(独立性の検定)などを検定する方法を理解する。 平均の検定、比率の検定、独立性の検定
分散分析 -- -- --
7.多変量データの扱い 時系列データの分析 -- -- --
重回帰分析
主成分分析・因子分析
判別・クラスタリング
統計モデル 15 データを数式で表現した統計モデルが基礎にあるが,簡潔な線形回帰モデル,それを一般化したモデル,非線形な数式を用いたモデルなど,生物科学で活用される統計モデルを概観する。 線形回帰モデル、一般化線形モデル、非線形モデル

Copyright © JINSE. All rights reserved.