Statistics 101, 201, and 202: Three Shiny Apps for Teaching Probability Distributions, Inferential Statistics, and Simple Linear Regression

この論文は、R と Shiny を用いて構築されたオープンソースの Web アプリケーション「Statistics 101, 201, 202」を紹介し、これらがプログラミング知識を必要とせずに確率分布、推測統計、および単純線形回帰の概念と計算を視覚的・数学的に統合して教えるためのツールであることを述べています。

要約

この論文は、統計学を学ぶ学生たちのために作られた**「3 つの魔法のデジタル助手」**について紹介しています。

統計学というと、難しそうな数式やプログラミング（R という言語）を思い浮かべるかもしれませんが、このプロジェクトは「プログラミングが全くできない人でも、統計の計算と考え方を直感的に理解できる」ように作られたウェブサイトです。

まるで**「統計学という複雑な料理を、誰でも簡単に作れるようにしたレシピ本と調理器具」**のようなものだと考えてください。

以下に、この 3 つのアプリ（Statistics 101, 201, 202）が何をするのか、日常の言葉と面白い例えを使って説明します。

---

🎒 全体像：統計学の「3 段構え」のツールセット

このツールセットは、統計学の授業を 3 つのステップに分けてサポートします。

1. Statistics 101: 確率分布（「未来の出来事がどうなるか」を予測する基礎）
2. Statistics 201: 推測統計（「データから真実を推測する」調査と判断）
3. Statistics 202: 回帰分析（「2 つのものの関係を数式で表す」予測モデル）

これらすべてが、「数式」「計算結果」「グラフ」が同じ画面に並んで表示されるのが最大の特徴です。まるで、料理のレシピ（数式）を見ながら、同時に実際の料理（計算結果）と、その見た目（グラフ）を確認できるようなものです。

---

1. Statistics 101：確率の「天気予報」アプリ

〜「あることが起きる確率はどれくらい？」を瞬時に知る〜

• 何をする？:
  18 種類の異なる「確率の法則（分布）」を使って、ある事象が起きる確率を計算します。
• 日常の例え:
  天気予報を想像してください。「明日、雨が降る確率は？」と聞かれたとき、昔は気象図を自分で読み解く必要がありましたが、このアプリは**「雨雲のシミュレーター」**です。
  • どの分布（雨の降り方）を選ぶかを選びます。
  • 「10 時までに降る確率」や「10 時から 12 時の間に降る確率」を聞くと、**「確率の数式」と「グラフ上の青い部分（雨が降る範囲）」**が同時に表示されます。
• すごいところ:
  プログラミングが書けなくても、ただ数字を入れるだけで、専門的な確率計算が瞬時に行われます。

2. Statistics 201：推測の「裁判所」アプリ

〜「このデータは偶然？それとも本当の差？」を判断する〜

• 何をする？:
  平均値や割合を使って、仮説検定（Hypothesis Test）や信頼区間を作ります。
• 日常の例え:
  これは**「裁判所の法廷」**のようなものです。
  • 「新しい薬は本当に効くのか？」（仮説）
  • 「このデータは偶然の出来事か、それとも証拠があるのか？」（検定）
  • 昔は、学生が「検定統計量」という難しい計算を手作業でやったり、表をひたすら探したりしていましたが、このアプリは**「自動裁判長」**です。
  • データを入れると、「無効仮説（H0）」と「対立仮説（H1）」の声明、計算された「証拠（統計量）」、そして「有罪（棄却）か無罪（棄却しない）か」の判決が、数式と一緒に出てきます。
• すごいところ:
  複雑な検定（t 検定、カイ二乗検定など）を、プログラミングなしで、かつ「なぜその結論になったのか」が数式で追えるように表示してくれます。

3. Statistics 202：関係性の「相棒」アプリ

〜「2 つのもののつながりを線（直線）で表す」〜

• 何をする？:
  2 つのデータ（例：勉強時間とテストの点数）の関係性を、直線で表す「単純線形回帰」を行います。
• 日常の例え:
  これは**「未来を予測する水晶玉」**です。
  • 「勉強時間を増やしたら、点数はどれくらい上がる？」という問いに答えます。
  • 昔は、R というプログラミング言語でコードを書かないとグラフが描けませんでした。でもこのアプリは、**「データを入力するだけで、自動的に直線（回帰線）を引いてくれる魔法のペン」**です。
  • さらに、その直線の傾き（β1）や切片（β0）が、**「数式でどう計算されたか」と「実際の数字」**が並んで表示されます。
• すごいところ:
  単に結果が出るだけでなく、「なぜこの直線が引かれたのか」という計算過程を、学生が自分のデータで確認できます。また、データの信頼性をチェックする「診断レポート」も自動で作ってくれます。

---

🌟 なぜこれが素晴らしいのか？（教育的なポイント）

このプロジェクトの一番の狙いは、「計算の面倒さ」を消して、「統計的な考え方」に集中させることです。

• 昔の悩み: 学生は授業で「統計の考え方を学ぶ」つもりが、**「計算ミス」や「表の探し方」**に時間を取られすぎて、肝心の「意味」を理解する時間がなくなっていました。
• このアプリの解決策:
  • プログラミング不要: 誰でも URL を開くだけで使えます。
  • 透明性: 黒箱（中身が見えない機械）ではなく、**「数式（レシピ）＋計算結果（料理）＋グラフ（盛り付け）」**がすべて見えます。
  • オープンソース: 誰にでも無料で使えて、先生方も自由に改良して授業に使えるようになっています。

🎁 まとめ

この論文は、**「統計学という難しい料理を、誰でも美味しく（理解して）作れるようにした、3 つの魔法のキッチンツール」**を紹介しています。

プログラミングの壁を取り払い、数式とグラフを並べて見せることで、学生たちが「計算」ではなく「統計の面白さ」に集中できる環境を作った、とても親切で実用的なプロジェクトなのです。

技術概要

論文「Statistics 101, 201, and 202: Three Shiny Apps for Teaching Probability Distributions, Inferential Statistics, and Simple Linear Regression」の技術的概要

本論文は、アントワーヌ・スーテウェイ（Antoine Soetewey）によって執筆され、R 言語と Shiny フレームワークを用いて開発された 3 つのオープンソース Web アプリケーション（Statistics 101, 201, 202）を紹介するものです。これらのツールは、初級統計学および確率論の教育を支援し、プログラミング知識を必要とせずに統計的推論の概念と計算を統合的に学習することを目的としています。

以下に、問題定義、手法、主要な貢献、結果、および意義について詳細にまとめます。

1. 問題定義 (Problem)

初級統計学（経済学、生物統計学、社会科学など）の授業では、学生が確率の評価、信頼区間の構築、仮説検定、線形回帰モデルの当てはめを行うことが一般的です。しかし、従来の学習方法には以下の課題がありました。

• 手計算の非効率性と誤り: 手計算は時間がかかり、計算ミスが発生しやすい。
• プログラミングの参入障壁: R や Python などの統計ソフトウェアを使用するには、初学者にとってプログラミングの知識が必要であり、これが統計概念の理解を妨げている。
• 既存ツールの限界:
  • 商業用教科書に付属する計算機はプロプライエタリ（非公開）であることが多い。
  • 一般的な統計環境（R, SPSS など）はコード記述を必要とする。
  • Web 上の確率計算機は分布の種類が限られており、仮説検定や回帰分析のモジュールが含まれていない場合が多い。
  • 多くのツールが数学的導出式（数式）と計算結果を同時に表示しておらず、計算と統計的推論の結びつきが弱い。

2. 手法と技術的実装 (Methodology)

著者は、R 言語と Shiny フレームワークを基盤とした 3 つの相互運用可能な Web アプリケーションを開発しました。これらはすべてオープンソース（CC-BY-4.0 ライセンス）で提供されています。

共通の技術的アーキテクチャ

• フロントエンド: Shiny を使用し、サイドバーレイアウトを採用。
• 可視化: ggplot2 ライブラリによるグラフ描画。shinycssloaders を用いた読み込み中のスピナー表示。
• 数式表示: MathJax を用いて、数式を Web ブラウザ上で高品質にレンダリング。
• データ処理: R の組み込み関数および EnvStats、performance などのパッケージを活用。
• インタラクション: ユーザーは URL にアクセスするだけで利用可能。登録やインストール、コマンドライン操作は不要。

各アプリケーションの機能詳細

Statistics 101: 確率分布

• 対象: ベータ、二項、コーシー、カイ二乗、指数、F、ガンマ、幾何、超幾何、ロジスティック、対数正規、負の二項、正規、ポアソン、学生 t、ワイブルの 18 種類の分布。
• 機能:
  • 分布の選択とパラメータ入力（条件付きパネルで動的に生成）。
  • 確率計算（左側確率、右側確率、区間確率）。
  • 出力: 数学的表記での確率式（MathJax）、密度関数または質量関数のグラフ（ggplot2、該当領域を塗りつぶし）、PDF/PMF の式、期待値・標準偏差・分散の数値計算結果。

Statistics 201: 信頼区間と仮説検定

• 対象: 7 つの推論設定（1 標本平均、2 標本平均（独立・対）、1 比例、2 比例、1 分散、2 分散）。
• 入力: 生データ（CSV 形式）または要約統計量（n, 平均, 分散など）のいずれか。
• 機能:
  • 有意水準（α）のスライダー調整。
  • 4 段階出力:
    1. データと要約統計量の表示。
    2. 信頼区間の数式と数値代入結果。
    3. 仮説検定の手順（帰無仮説・対立仮説、検定統計量、臨界値、結論）。
    4. 平易な言語による解釈（p 値を含む）。
  • 可視化: 検定統計量の分布（t, 正規, カイ二乗, F）に棄却域と観測値をプロット。

Statistics 202: 単純線形回帰

• 対象: 単回帰モデル $y = \beta_0 + \beta_1x + \varepsilon$ の当てはめ。
• 機能:
  • 入力データの検証（長さの一致、x の分散確認）。
  • ステップバイステップ導出: 最小二乗法（OLS）による係数推定量 $\hat{\beta}_1, \hat{\beta}_0$ の数式表示と数値計算。
  • R 出力: summary(lm(...)) に相当する詳細な統計量（係数、標準誤差、t 値、p 値、調整済み $R^2$）。
  • 対話型グラフ: plotly を用いた散布図と回帰直線、信頼帯の表示。
  • モデル診断: performance::check_model() による 6 種類の残差診断プロット（線形性、等分散性、外れ値、正規性など）。
  • レポート生成: R Markdown テンプレートを用いた HTML レポートのダウンロード（R コードの表示/非表示オプション付き）。

3. 主要な貢献 (Key Contributions)

1. 統合的な学習環境の提供: 確率分布、推論、回帰という通常 2 学期にわたるカリキュラムを、一貫したインターフェースで統合。
2. 「計算」と「推論」の可視的統合: 数式（MathJax）、数値結果、グラフを同一画面に並列表示することで、抽象的な概念と具体的な計算結果の結びつきを強化。
3. プログラミングの非依存性: R の計算能力を享受しつつ、コード記述のハードルを排除。初学者が統計の「意味」に集中できる環境を提供。
4. 完全なオープンソースと再現性: GitHub でソースコードを公開し、教育者が自由に改変・拡張可能。UCLouvain や UNamur での実証的な使用実績がある。

4. 結果と効果 (Results)

• 教育的効果: 授業において、計算や表の検索に費やされていた時間を削減し、解釈や概念的議論に充てる時間を増やすことに成功。
• 学生の理解深化: 回帰分析などにおいて、公式と R の出力結果のギャップを埋める役割を果たし、数式が実際の数値計算にどう適用されるかを具体的に理解させることができた。
• 利用状況: 博士研究およびティーチングアシスタント期間中に開発され、現在もベルギーの複数の大学（UCLouvain, UNamur）で確率、推論統計、線形回帰の講義で継続的に使用されている。

5. 意義 (Significance)

本プロジェクトは、統計教育における「計算の負担」と「概念理解」のバランスを改善する重要な試みです。

• 教育ツールとしての革新: 既存の計算機やプログラミング環境の中間に位置し、初学者が統計的直感を養いながら、高度な統計手法に触れるための「足場（Scaffolding）」として機能します。
• オープンサイエンスの推進: 教育リソースをオープンソース化し、コミュニティによる改善を促すモデルを示しています。
• 汎用性: 特定のトピックに限定されず、初級から中級までの統計教育の全範囲をカバーするため、世界中の統計教育者にとって即座に活用可能なリソースとなります。

総じて、本論文は、技術的な柔軟性（Shiny/R）と教育的配慮（数式とグラフの統合）を組み合わせることで、統計教育のアクセシビリティと質を向上させる実用的なソリューションを提示しています。