臨床試験におけるサンプルサイズ設計の基礎と具体的な事例による実践

現在様々な分野で最も必要とされている能力の一つが、データ分析ができるデータサイエンティストとしての能力である。これは、技術開発、デザイン、マーケティング、人工知能 (いわゆるAI) 、オフィスでの生産性向上といった、様々な分野で必須の能力となっている。その基盤となるのが、統計解析の知識であり技術である。 　統計解析は現在誰でも使おうと思えば使える解析技術であり、何も大規模な大型コンピュータを使わなくても数万円のコンピュータで十分であり、また高額の統計ソフトウェアを買わなくても無料のRやPythonなどを使えば高度なデータ分析が可能となっている。 　一方、統計学は大学教育の中でもごく一部であり、知識ゼロの状態から統計学を理解できるように、噛み砕いて教えてくれる人が周りになかなかいない。データのまとめ方、どの統計手法を使うべきか、報告書や論文をどう作成するか、これらの場面で多くの人が頭を抱えているという現状がある。 　本講座では、統計学の基本となる2つの柱、すなわち記述統計と推測統計について先ず学習する。記述統計とは、データを相手にわかりやすく伝えるための統計学で、平均や標準偏差などの要約統計量、散布図やヒストグラムなどデータを視覚化する技術について学習する。もう一つの推測統計とは、測ることのできない大規模な集団 (いわゆる母集団) の情報を、そこから抽出した小規模な集団 (いわゆる標本) から推測する手法である。正規分布、検定、信頼区間などが学習の対象となる。次いで、日常的によく使われる重要な統計手法として、実験計画法、回帰分析、分散分析、ロジスティック回帰分析について紹介する。 　統計学の学習は独学ではなかなか難しい。地図なしで目的地へ向かうようなものである。本講座では統計学の肝といわれる重要な本質的部分を、わかりやすく解説するので、最短距離で目的の理解へ到達することができる。先ずは本講座を機会に、世の中で重要とされている統計学の本質を掴み、データ分析などの効率化へ繋げて頂くことを期待したい。

1. 統計学の基礎
   1. 統計学はなぜ重要か
   2. 統計学をとりまく環境
   3. ばらつきと偏り
2. 記述統計
   1. 要約統計量
   2. データの視覚化
3. 推測統計
   1. 母集団と標本
   2. 正規分布
   3. 仮説検定
   4. t – 検定
   5. 標準偏差と標準誤差
   6. 95%信頼区間
4. 実験計画法
   1. フィッシャーの3原則
   2. サンプルサイズの設計
   3. 要因実験
5. 一般化線形モデル
   1. 回帰分析
   2. 分散分析
   3. ロジスティック回帰分析