2022年度 バイオサイエンスにおける統計と数理 (4110)

授業科目基本情報PDFダウンロード

科目区分	専門科目	教職科目	理科
単位数	1	選択・必修・自由	選択
授業形態	講義	主な使用言語	日本語
開講時期	Ⅲ	履修登録システム	使用する
履修登録期間	2022/10/07～2022/10/28	履修取消期限	2022/11/21

教育プログラム別の履修区分

プログラム名	IS	BS	MS	DS	DGI
履修区分	△	○	△	□	○
コア科目	－	－	－	C	－
履修方法	・修士論文研究又は特別課題研究を履修する場合は、序論科目、基盤科目及び専門科目から１４単位以上履修すること。 ・課題研究を履修する場合は、序論科目、基盤科目及び専門科目から１６単位以上履修すること。

授業科目概要

担当責任教員	作村　諭一
担当教員	作村諭一、小鍛冶俊也、（国田勝行）
教育目的／学修到達目標	【教育目的】 生物、情報社会、物理現象の多くはバラつき揺らいでいる。私達はこれらのバラつきを観測したとき、無意識下で代表値をとり（統計）、関係性を想像（モデル化）する。しかし、それらは人それぞれの主観に過ぎず、科学的とは言えない。ゆえに、バラつくデータに対して誰もが納得する客観的指標で評価するスキル（観測の客観化）が必要である。このスキルは研究だけでなく、将来の仕事の現場でも役立つ。本講義では、バイオサイエンス分野で用いられる基礎的な統計と数理について理解を深め、バラつくデータから客観的知識を抽出できるようになることを目的とする。また、それらを行うための計算機プログラムを比較的習得がしやすく研究開発分野で広く使われる Matlab で行えることを目的とする。 【学修到達目標】 1) 基礎的な統計と数理モデリングについて説明、記述できる。 2) データのばらつきと平均値の特性について整理、議論ができる。 3) 現実のデータが持つ特徴についてについて俯瞰、表現できる。 4) Matlabの基礎的なプログラミングができる。
授業概要／指導方針	【授業概要／指導方針】 本講義では、各自がノートパソコンを持参し、実際に手を動かしながら統計と数理の基礎を学ぶ。この目的のため、最初に基礎的な計算機プログラミングの練習を行う。次に、各自プログラムで乱数を発生させ、統計と検定について数字を見ながら体感する。その後、簡単な回帰や時系列処理等について実践的に学ぶ。 座学：演習 ＝ 2:8 程度で進める。パソコンでデータを触りながら原理を理解する。プログラムでは分かる人が分からない人に教えるグループワークも行う。 【授業時間外学修（予習・復習等）の目安】 各回毎に授業内で与えられたAssignmentの予習2時間 各回毎に復習2時間程度

クラス情報

表示可能なデータがありません。

授業計画

回数	日付 [時間]	担当教員	テーマ	内容
1	11/17 [2]	作村諭一	バラつくデータの表現方法と解釈	バイオサイエンスにおけるデータはどのように図示されるのかを学ぶ。エラーバーとNの意味を理解し、エクセルとプログラム言語との違いを確認する。Matlab の基礎の練習を行う。
2	11/21 [2]	小鍛冶俊也	プログラムによるバラつくデータの作成	擬似的にバラつくデータを作成し図示をする。Matlab によるエクセルデータのインポート、エクスポートを体験する。
3	11/24 [2]	作村諭一	統計とデータの正規化	基本的な統計量（平均、分散、メディアン）を理解し、プラグラムで確認する。データの正規化と相関係数について理解し計算する。相関と因果、バラつくデータの比較方法について考察する。
4	11/30 [2]	国田勝行	検定	p値の意味を理解し、t検定が何をしているのかを学ぶ。また、パラメトリック検定とノンパラメトリック検定の違いをプログラムで確認する。多重検定が必要となる場合を理解し、プログラムで確認する。
5	12/2 [2]	国田勝行	回帰	線形回帰と非線形回帰（関数フィッティング）について学ぶ。バイオサイエンスで利用されるアレニウスの式、Michaelis-Menten式、用量反応曲線（Hill式）を用いでデータを作成し、回帰を体験する。
6	12/6 [2]	小鍛冶俊也	多変量解析	データの主要成分の抽出とグルーピングについて学ぶ。プログラムでデータを作成し、主成分分析によるデータ圧縮表現、k-mean・階層クラスタリングによるグルーピングを体験し、その意味を理解する。
7	12/8 [2]	国田勝行	時系列データ解析	バイオサイエンスに関連する実際のデータを用いて時系列データ解析を体験する。時系列データの平滑化とノイズ除去の原理と利点を理解する。
8	12/12 [2]	国田勝行	微分方程式	バイオサイエンスに関連する微分方程式モデル（生化学反応モデル、伝染病モデルなど）のシミュレーションを体験する。微分方程式の基礎とその数値解法をプログラミングを通して学ぶ。

授業日程

回数	日付	時間	講義室	備考
1	11/17	2	Rethink バイオサイエンス大講義室〔L11〕
2	11/21	2	Rethink バイオサイエンス大講義室〔L11〕
3	11/24	2	Rethink バイオサイエンス大講義室〔L11〕
4	11/30	2	Rethink バイオサイエンス大講義室〔L11〕
5	12/2	2	Rethink バイオサイエンス大講義室〔L11〕
6	12/6	2	Rethink バイオサイエンス大講義室〔L11〕
7	12/8	2	Rethink バイオサイエンス大講義室〔L11〕
8	12/12	2	Rethink バイオサイエンス大講義室〔L11〕

テキスト・参考書

テキスト	資料を配布する
参考書	特になし

その他

履修条件	・高等学校レベルの数学が理解できること。 ・事前にITCのMatlabキャンパスライセンス利用方法（下記「授業関連URL」）に従ってMathworks社のアカウトを作成すること。 ・Matlab入門（下記「授業関連URL」）を受講すること。
オフィスアワー	随時。E-mailでアポイントをとること。
成績評価の方法と基準	・5段階（秀／優／良／可／不可）で評価する。 ・講義ごとの課題（80％）、最後のレポート（20％）で評価する。
関連科目	デジタルグリーンプログラミング演習、デジタルグリーンデータ処理演習、データサイエンスによる生物学、数理生命科学
関連学位	理学・工学・バイオサイエンス
注意事項	各自ノートパソコンを持参すること。

授業関連URL

内容
MATLAB: キャンパスライセンス (利用方法)
MATLAB 入門（Mathworks社）

配布資料

表示可能なデータがありません。