シラバス参照

授業情報/Class Information

科目一覧へ戻る 2023/07/26 現在

基本情報/Basic Information

開講科目名
/Class
統計学特論 【総リ/修士/土曜集中】/Statistical Analysis
授業コード
/Class Code
J006572001
開講キャンパス
/Campus
有瀬
開講所属
/Course
修士/
年度
/Year
2023年度/Academic Year  
開講区分
/Semester
後期集中/AUTUMN INTENSIVE
曜日・時限
/Day, Period
他(後期)/OTHERS(AUT.)
単位数
/Credits
2.0
主担当教員
/Main Instructor
森谷 義哉/MORITANI YOSHIYA
科目区分
/Course Group
〈専門科目〉 (選択科目)/〈専門科目〉 (ELECTIVE)
遠隔授業
/Remote lecture
No

担当教員情報/Instructor Information

教員名
/Instructor
教員所属名
/Affiliation
森谷 義哉/MORITANI YOSHIYA 総合リハビリテーション学部/Rehabilitation
授業の方法
/Class Format
対面授業(講義)
授業の目的
/Class Purpose
現在は、どのような分野においても、必要なデータを収集し、正確に分析して、適切な結論を導く力がますます重要になっている。統計学は、そのような力を身につけるための基本的な科目の一つである。
そこで、この科目は、総合リハビリテーション学研究科(修士課程)のDP1である「人と社会を見据える広く深い学識を備え、教育・研究・職を担うための知識や技能を身につけている(知識・技能)」に関連して、保健・医療・福祉の分野における教育者・研究者・専門職にとって必要不可欠な統計学の知識と実際のデータを解析するスキルを身に付けることを目的とする。
その上で、DP2である「DP1で示した学識をもとに、自ら課題を発見し、その解決方法を見出すことができる(思考・判断・表現)」に関連して、保健・医療・福祉の分野において、自分が直面する課題を明確にし、データ解析を行うことによってその課題を解決できるようになることを目指す。
到 達 目 標
/Class Objectives
1. 統計学の基本的な知識について説明することができる(知識)。
2. 統計解析ソフトウェアを使用して、多変量解析の代表的な方法を実際のデータに適用することができる(技能)。
3. 1と2をふまえながら、保健・医療・福祉の分野において、自ら課題を設定し、必要なデータを収集・分析し、その課題を解決しようとすることができる(思考・判断・表現)。
授業のキーワード
/Keywords
統計学、確率、推定、仮説検定、分散分析、回帰分析、多変量解析
授業の進め方
/Method of Instruction
1. スライドを中心に使用して板書も併用した講義形式で進めるが、授業内容の理解を深めるために対話型の授業形式を重視し、受講生からの意見や質問、または受講生間の議論を随時取り入れる。
2. 必要な知識を習得した後は、受講生のスキルに合わせて統計解析ソフトウェアを用いた演習を行う。
3. 授業に関する情報の連絡、ファイルの配布、課題の提出にはMoodleを利用する。
履修するにあたって
/Instruction to Students
数学や統計学に関する知識、及びPCやソフトウェアの操作に関するスキルは前提としない。ただし、それらを習得するための積極的な姿勢や、受講生全体がレベルアップするために他の受講生と協力し合う姿勢を期待する。
授業時間外に必要な学修
/Expected Work outside of Class
・事前学習
次回の授業内容の理解できない部分を明らかにしておく等の予習を行って授業に臨むこと(1時間程度)。

・事後学習
配布したプリント資料を読み返したり、参考図書で確認したり、授業で残った演習問題を解いたり、授業中に行ったデータ解析を再度行う等の復習を行うこと(2時間程度)。
理解を深めるのに役立つので、レポート課題があるときは積極的に取り組んで欲しい。
提出課題など
/Quiz,Report,etc
1. 対話型の授業形式を重視しているので、授業内容について自由な意見や質問を期待する。
2. 授業内容の理解度を確認するために、次回の授業中に小テストを行うことがある。
3. 授業内容の理解を深めるために、計算やデータ解析を伴うレポート課題を出す。提出されたレポートについては、次回の授業中に解答例を提示し、解説や講評を行うとともに、受講生と議論する。
成績評価方法・基準
/Grading Method・Criteria
・成績評価方法
授業中の発表50%、小テスト・レポート50%を基準として総合的に評価する。

・成績評価基準
1. 授業中の発表では、毎回の授業の基本的な知識の理解度と各自の課題の発見・解決に対する意識の程度を評価する。
2. 小テストとレポートでは、授業内容に関する知識の理解度と分析方法の習得度を評価する。
3. 1と2の評価に基づいて、到達目標をどの程度達成しているかに応じて、秀・優・良・可・不可を判断する。
テキスト
/Required Texts
プリント資料を配布する。
参考図書
/Reference Books
主な参考図書は以下の通りである。その他、受講者と相談の上、授業中に適宜指示する。
1. 勝平純司・下井俊典・窪田聡(2019)『すぐできる!リハビリテーション統計(改訂第2版)』南江堂(図書館に所蔵
2. 対馬栄輝(2021)『Rコマンダーで簡単!医療系データ解析』東京図書(図書館に所蔵
3. 新谷歩(2016)『みんなの医療統計 12日間で基礎理論とEZRを完全マスター!』講談社(図書館に所蔵
4. 神田善伸(2020)『EZRでやさしく学ぶ統計学[改訂3版]』中外医学社(図書館に所蔵
5. 山田実・浅井剛・土井剛彦(2018)『メディカルスタッフのためのひと目で選ぶ統計手法』羊土社(図書館に所蔵
No.
/Time
主題と位置付け
/Subjects and position in the whole class
学習方法と内容
/Methods and contents
備考
/Notes
1 第1回 統計学の基本的な考え方 簡単な事例を取り上げながら、統計学の基本的な考え方について学ぶ。
2 第2回 統計学の基礎①
データの整理(1次元データ)
1次元データの基本的な知識(度数分布表、ヒストグラム、平均値、中央値、最頻値、分散、標準偏差、標準化等)を習得する。
3 第3回 統計学の基礎②
データの整理(2次元データ)
2次元データの基本的な知識(散布図、共分散、相関係数等)を習得する。
4 第4回 統計学の基礎③
確率・確率変数・確率分布
最初に、確率の基本的な知識(確率、密度関数、期待値、分散等)を復習し、代表的な確率分布(正規分布、t分布、カイ2乗分布、F分布等)について学ぶ。
5 第5回 推定①
推定の考え方
推定の基本的な考え方を理解する。
6 第6回 推定②
点推定・区間推定
点推定と区間推定について学ぶ。
7 第7回 仮説検定①
検定の考え方
検定の基本的な考え方を理解する。
8 第8回 仮説検定②
検定(1標本問題)
母平均の検定や母分散の検定等について学ぶ。
9 第9回 仮説検定③
検定(2標本問題)
母平均の差の検定や母分散の比の検定等について学ぶ。
10 第10回 仮説検定④
分割表の検定
分割表の検定について学ぶ。
11 第11回 仮説検定⑤
ノンパラメトリック検定
ノンパラメトリック検定について学ぶ。
12 第12回 分散分析
一元配置分散分析
二元配置分散分析
一元配置分散分析と二元配置分散分析の基礎を理解する。
13 第13回 多変量解析①
回帰分析①
回帰分析の基礎となる単回帰分析と重回帰分析を理解する。
14 第14回 多変量解析②
回帰分析②
回帰分析の応用として、ロジスティック回帰分析について学ぶ。
15 第15回 多変量解析③
回帰分析以外の分析
回帰分析以外の多変量解析の方法として、因子分析、主成分分析、判別分析、クラスター分析等について学ぶ。

科目一覧へ戻る