生物統計学 2026 総研大

  1. 開講年度 / Academic Year: 2026

  2. 講義名 / Cource title: 生物統計学 Biostatistics

  3. 開講学期 / Term: 前学期 1st half (7月28, 29, 30, 31日)

  4. 代表教員 / Main Instructor:

    • 岩嵜航 (東北大学 生命科学研究科)
    • Watal M. Iwasaki (Graduate School of Life Sciences, Tohoku University)

  5. 授業の概要 / Outline:

    • 生物学における研究とは、大雑把に言うと 「生物に関するデータを集め、その背後にある理（ことわり）を読み解くこと」です。 そのため、データ解析はどんな研究をするにもほぼ不可欠となります。 このとき研究対象の全てをあるがままに捉えることはできません。 扱いやすいように単純化・理想化したモデルを作り、限られたデータを通して統計的に解釈するのが科学のやり方です。 本実習では、その基礎として回帰モデルの考え方を身につけていきます。 また、正しい結論を導くためには、データをいろいろな角度から可視化して全体の構造を見渡すことが特に重要です。 しかし観察・実験・データベースなどから得られるデータは多種多様であり、 そのまますぐ使えることはめったにありません。 まずデータを整形するところから始める必要があります。 この前処理にせよ、作図にせよ、 「エクセルであれをあっちにコピペして、メニューからあれを選択して…」 といった手作業でやるのは大変ですし、再現性が無いため科学の手続きとしても問題です。 いつでもだれでも再検証したり使いまわしたりできるように、 規則性のある退屈な仕事は機械に任せるのが得策です。 本実習では、近年さらに易しくなったR言語を用いることで、 生データから効果的な作図まで簡単に辿り着けるということを体験してもらいます。
    • Biological research is, roughly speaking, about collecting data on living organisms and deciphering the underlying principles. Data analysis is therefore almost indispensable for any research in this field. But we cannot capture everthing of the research subject as it is. The way science works is to create a model that simplifies and idealizes the phenomenon to make it easier to handle, and then interpret it statistically through limited data. In this course, we will learn the basics of regression models as a foundation for this approach. To draw correct conclusions, it is particularly important to visualize the data from various angles to get an overview of the whole structure. Moreover, the data obtained from observations, experiments, databases, etc. are diverse and rarely ready to use as they are. We need to start by preprocessing the data. Whether it’s preprocessing or visualization, doing it manually by copying and pasting in Excel and selecting from menus is cumbersome and problematic in terms of reproducibility as a scientific procedure. It’s best to let machines handle the tedious work with regularity so that anyone can verify or reuse it later. In this course, we will use the R language, which has become even easier to use in recent years, to experience how easily we can go from raw data to effective visualization.

  6. 到達目標 / Learning Objectives:

    • 生物学研究におけるデータ解析の重要性を理解し、 データの前処理・可視化・統計モデリングをRで実行できるようになる。
    • Understand the importance of data analysis in biological research, and perform data preprocessing, visualization, and statistical modeling in R.

  7. 成績評価方法 / Grading Policy:

    • 実習中の積極的な発言・取り組み40%、最終レポート60%
    • Active participation and engagement during the course 40%, final report 60%

  8. 授業計画 / Lecture Plan:

    1. 導入: データ解析の全体像
    2. Rの基本
    3. データの可視化
    4. 演習1
    5. データ構造の処理1: 抽出、集約など
    6. データ構造の処理2: 結合、変形など
    7. データ内容の処理: 数値、文字列など
    8. 演習2
    9. データ入力、レポート作成
    10. 直線回帰、確率分布、乱数生成
    11. 尤度、最尤推定
    12. 一般化線形モデル (GLM)
    13. 個体差、一般化線形混合モデル (GLMM)
    14. ベイズ統計学の基礎
    15. 演習3
    1. Introduction: Overview of data analysis
    2. Basics of R
    3. Data visualization
    4. Exercise 1
    5. Data structure processing 1: extraction, aggregation, etc.
    6. Data structure processing 2: merging, reshaping, etc.
    7. Data content processing: numeric, string, etc.
    8. Exercise 2
    9. Data input, reporting
    10. Linear regression, probability distributions, random number generation
    11. Likelihood, maximum likelihood estimation
    12. Generalized linear model (GLM)
    13. Individual differences, generalized linear mixed model (GLMM)
    14. Basics of Bayesian statistics
    15. Exercise 3

  9. 実施場所 / Location:

    • 総合研究大学院大学 葉山キャンパス
    • Hayama Campus, SOKENDAI

  10. 使用言語 / Language: 日本語 or English

  11. 教科書・参考図書 / Textbooks and References:

  12. 他コース学生が履修する際の注意事項 / Notes for students from other programs:

    • 事前に代表教員（大槻・岩嵜）にメールでコンタクトを取ること。
    • Contact Prof. Ohtsuki in advance in email.

  13. 授業を担当する教員 / Lecturers:

    • 岩嵜航 (東北大学 生命科学研究科 助教)
    • Watal M. Iwasaki (Assistant Professor, Graduate School of Life Sciences, Tohoku University)

  14. 関連URL / Related URL:

  15. 上記URLの説明 / Explanatory note on above URL:

    • 講義資料を公開しておくところ。
    • Lecture materials are published there.

  16. 備考 / Others

    • 下記の手順に従ってRの実行環境を事前に準備して持参すること。
    • Please follow the instructions below to prepare the R environment in advance.

  17. キーワード / Keyword

    • R、データ可視化、データ前処理、統計モデリング、一般化線形モデル、一般化線形混合モデル
    • R, data visualization, data preprocessing, statistical modeling, generalized linear model, generalized linear mixed model

  18. 講義に関する問い合わせ先 / Contact for course inquiries

    • ohtsuki_hisashiあsoken.a​c.jp
    • heavy­watalあtohoku.a​c.jp

実習環境の事前準備

講義資料

←→キーで戻る・進むスライド形式。 vキーでスクロール形式に切り替え。