学部・大学院区分
Undergraduate / Graduate

理・博前

時間割コード
Registration Code

2650255

科目区分
Course Category

Ｂ類
Category B

科目名　【日本語】
Course Title

生命理学特別講義５

科目名　【英語】
Course Title

Special Lecture on Biological Science 5

コースナンバリングコード
Course Numbering Code

担当教員　【日本語】
Instructor

塚田　祐基 ○ 島谷　健一郎

担当教員　【英語】
Instructor

TSUKADA Yuki ○ SHIMATANI kenichiro

単位数
Credits

開講期・開講時間帯
Term / Day / Period

春集中その他その他
Intensive(Spring) Other Other

授業形態
Course style

学科・専攻
Department / Program

生命理学専攻

必修・選択
Required / Selected

授業の目的　【日本語】
Goals of the Course(JPN)

様々な科学分野や人間社会において、基礎科学目的から応用・実用目的まで、統計学は広く使われている。近年の実験室や野外環境、動物や人間の行動に関するデータ収集技術の進歩に伴い、得られるデータの質・量ともに大きく変化しており、そうしたデータを扱う統計学も変わってきている。本授業は統計学の初学者を対象とし、数式でなくエクセル程度の計算ソフトで可能な実演や演習により、推定・予測のための統計モデルの考え方・概念・発想に重点を学習する。回帰モデルと最尤推定法を中心に解説し、乱数生成法やシミュレーションによる予測も取り上げる。実データとしては生物系を主に利用する。最後に、先端の統計手法であるベイズや機械学習が、本授業で取り上げる一般化線形モデルからどのように発展していく先にあるのか、そんな展望も解説する。
Statistics are commonly used in various scientific disciplines and human societies for scientific and applied/practical purposes. Recent technical developments in laboratory experiments, natural environments and animal/human behaviors enable us to obtain extensive data with high quality, and these also involve changes in statistical techniques. This lecture is for beginners in statistics. By demonstrations using elementary software like Excel, the lectures explain fundamental concepts in statistical modeling for estimation and predictions; the regression models, the maximum likelihood method, random number generation and predictions by simulations. For real data examples, biological data will be used. The final part is for perspectives toward up-to-date statistics such as Bayes and machine learning.

授業の目的　【英語】
Goals of the Course

到達目標　【日本語】
Objectives of the Course(JPN))

統計学ではどういう発想で推定や予測を行うか、説明できる程度に理解する。どういう基準で推定法が「いい」と判断するか、数学の言葉で説明できる。統計学用いた科学的推論をその危うさも認識しながら展開できる。最尤推定の特長をベイズや機械学習などと比較・対称して説明できる。

到達目標　【英語】
Objectives of the Course

授業の内容や構成
Course Content / Plan

1. 生物データと統計解析事例、データの観方・可視化、データの集約
2-3. 一般化線形モデル1: ロジスティック回帰モデル, 尤度、最尤法
4-6. 一般化線形モデル2: 線形回帰、最小2乗法と最尤法、確率分布, 正規分布
7-8. 乱数生成法、シミュレーションによる予測
9-11. モデルの相対評価、赤池情報量規準, 有意性検定
12. 集団的思考、帰納推論、統計学小史
13-14. ベイズ統計、階層モデル、機械学習など先端統計手法への序章
15. 補足、まとめ、試験

1. Examples of biological data and statistical analyses, visualization of data, summary statistics
2-3. Generalized linear model 1: logistic regression model, likelihood, maximum likelihood method
4-6. Generalized linear model 2: linear regression model, the least square method and the maximum likelihood method, probability distribution, normal distribution
7-8. Generating random numbers, Predictions by simulation
9-11. Model evaluation, Akaike information criterion, significant test
12. Population thinking, inductive logic, history of statistics
13-14. Introduction to Bayesian statistics, hierarchical model, machin learning and other mordern statistics
15. Review, exam

履修条件
Course Prerequisites

特になし