1. 実験で使うとこだけ生物統計１ キホンのキ 改訂版
2. 実験で使うとこだけ生物統計２ キホンのホン 改訂版
3. Rとグラフで実感する生命科学のための統計入門
4. 行動しながら考えよう 研究者の問題解決術
実験で使うとこだけ生物統計１ キホンのキ 改訂版
池田郁男／著
いくつ心あたりがある？チェックリストで確認しよう！
1章 本書を読む前に
1-1 いわれるがままを脱しよう
1-2 実験で使うとこだけおさえよう！
2章 検定前の「研究者としての心構え」とは？
2-1 あなたの研究対象は標本か母集団か？ 研究者は母集団を意識すべき！
2-2 妥当な標本の大きさnとは？ 標本の大きさnは多い方が有意差はでやすい
2-3 妥当な群数は？ 群数はできるだけ少ない方が有意差はでやすい
2-4 データの特徴は？ 平均値とバラツキに注目せよ！
2-5 各群の標本の大きさnは同じ数にするのが基本
2-6 標本データの平均値を考える意味
2-7 「実験→統計」ではいけない 統計検定を考慮して実験計画を立てることが本来は基本
2-8 自分の測定誤差を知っているか？ 測定誤差があると検定する意味がない！
2-9 有効数字を考える
2-10 外れ値を考える 実験での現実的な対処手順
2-11 実験計画を立てるときのルール
3章 標準偏差（SD）と標準誤差（SE）はどう違うのか？
3-1 標準偏差（SD）と標準誤差（SE）の違いをマスターしよう！
3-2 標準偏差（SD）を理解する① 母集団の母平均，母分散，母標準偏差を理解する
3-3 標準偏差（SD）を理解する② 標本平均，標本分散，標本標準偏差を理解する
3-4 標準偏差（SD）を理解する③ 不偏分散，不偏標準偏差を理解する
3-5 平均値±SD（不偏標準偏差）は何を意味しているのか？
3-6 研究者は平均値±SDで何を表現したいのか？
3-7 標準誤差（SE）を理解する
3-8 t分布を理解する 標本の大きさによりt分布の形は異なってくる
3-9 研究者は平均値±SEで何を表現したいのか？
3-10平均値±SDと平均値±SEの使い分けは？
4章 パラメトリック検定とノンパラメトリック検定のどちらを使うべきか？
4-1 パラメトリック検定とは？
4-2 ノンパラメトリック検定とは？
4-3 正規性の検定とは？ 正規性の検定で正規分布しているかどうかは判断できない？
4-4 パラメトリック検定とノンパラメトリック検定どちらを使うべきか？ どちらも使える！
第1巻をおえて
付録 本書で使用した記号と意味
参考図書
実験で使うとこだけ生物統計２ キホンのホン 改訂版
池田郁男／著
5章 2群の実験を正しく検定する方法は？
5-1 正しい検定方法にたどりつく！ 2群の実験と3群以上の実験では検定方法が異なる！
5-2 対応のある実験と対応のない実験
5-3 片側検定と両側検定を判断する
5-4 群数が2群の場合の検定 一般的な検定の手順
5-5 対応のない2群の検定（unpaired t test） パラメトリック検定の原理をt検定を例に理解する
5-6 滅多に起こらない稀な確率の決め方 有意水準，危険率
5-7 対立仮説の立て方で検定結果は異なる！ 両側検定と片側検定の違い
5-8 対応のある2群の検定（paired t test）
5-9 等分散か不等分散か？ 等分散性の検定（F検定）とは
5-10 ノンパラメトリック検定の原理を理解する
6章 3群以上の実験を正しく検定する方法は？
6-1 3群以上の場合の実験計画
6-2 3群以上の実験を行う前の心構え！
6-3 一般的な検定の手順
6-4 一元配置分散分析の簡単な原理
6-5 対応のある場合の一元配置分散分析 反復測定による一元配置分散分析（repeated measures ANOVA）
6-6 ノンパラメトリックの分散分析
6-7 多重比較をする前の一元配置分散分析は 何のためにあるのか？
6-8 3群以上になるとなぜ多重比較か？ 多重性の問題
6-9 多重比較の考え方の基本
6-10 どの多重比較法を選べばよいのか？
6-11 多群の実験で注意すべき多重比較の欠点
6-12 多重性の問題は他にもある！
7章 二元配置分散分析の正しい使い方は？
7-1 2つの因子は影響し合っている？ 二元配置分散分析で何がわかるのか？
7-2 二元配置分散分析の簡単な原理 交互作用はどのように計算されるか？
7-3 二元配置分散分析の利点と限界
7-4 二元配置分散分析での水準間比較と群間比較
7-5 二元配置分散分析での多重比較の問題点
あとがき
付録1 本書で使用した記号と意味
付録2 2群の場合の検定手順
参考図書
Rとグラフで実感する生命科学のための統計入門
石井一夫／著
第1章 統計学の基礎
1.1 生命科学と統計学
1.2 記述統計学と推測統計学
1.3 データの分類と尺度
第2章 データの表現方法
2.1 データの代表値～平均値，中央値，最頻値
2.2 データのばらつき～分散，標準偏差，クォータイル
【グラフによる視覚化】
2.3 棒グラフ
2.4 ヒストグラム
2.5 箱ヒゲ図
2.6 円グラフ
2.7 散布図
2.8 デンドログラム（樹状図）
2.9 ヒートマップ
2.10 確率変数と確率分布
【代表的な離散型確率分布】
2.11 離散型一様分布
2.12 二項分布
2.13 ポアソン分布
2.14 負の二項分布
2.15 ベルヌーイ分布
2.16 幾何分布
2.17 多項分布
【代表的な連続型確率分布】
2.18 連続型一様分布
2.19 正規分布
2.20 指数分布
2.21 t分布
2.22 カイ二乗分布
2.23 ガンマ分布
2.24 ベータ分布
2.25 F分布
2.26 ロジスティック分布
2.27 大数の法則
2.28 中心極限定理
第3章 検定と回帰分析
3.1 有意差の検定
【代表的なパラメトリック検定】
3.2 t検定
3.3 F検定
3.4 分散分析と多重比較検定
【代表的なノンパラメトリック検定】
3.5 マン・ホイットニーのU 検定
3.6 カイ二乗検定とフィッシャーの正確確率検定
【回帰分析】
3.7 単回帰分析
3.8 相関係数（ピアソンの積率相関係数）
3.9 スピアマンの順位相関係数，ケンドールの順位相関係数
3.10 重回帰分析
3.11 ロジスティック回帰分析
3.12 コックス比例ハザード回帰分析
第4章 多変量解析
4.1 多変量解析とは
4.2 主成分分析
4.3 判別分析
4.4 階層的クラスター分析
第5章 機械学習
5.1 機械学習とは
5.2 k-means 法
5.3 自己組織化マップ（SOM)
5.4 サポートベクトルマシン
5.5 単純ベイズ分類器
5.6 ランダムフォレスト
第6章 無作為抽出法と計算機統計学
6.1 モンテカルロ法
6.2 ブートストラップ
6.3 マルコフ連鎖モンテカルロ法（MCMC）
補遺
【補遺1 統計学を理解するための確率論】
1.1 順列と組合わせ
1.2 確率と期待値などに関する補足
1.3 パラメトリックとノンパラメトリック
1.4 ベイズ統計
1.5 最尤推定法
1.6 確率過程
【補遺2 統計学を理解するための微分積分】
2.1 関数の極限
2.2 微分
2.3 積分
2.4 偏微分～多変数関数の微分
2.5 微分方程式
2.6 積率（モーメント）
【補遺3 統計学を理解するための線形代数】
行列とベクトル
【補遺4 統計学を理解するためのITツール】
4.1 Linux入門
4.2 統計解析ソフト
行動しながら考えよう 研究者の問題解決術
まえがき
序章 悩める若手研究者とその卵たち12のケース
第1章 行動しながら考えよう―Thinking While Acting
第2章 ネガティブな感情を活用しよう―ネガティブな感情を避けるのではなく、自身の成功を導くものに転化させる方法
第3章 研究者は営業職。視点を切り替えよう―研究室内の上司-部下の関係を良好にするための方法
第4章 研究室での自分の立ち位置を分析してみよう―PI原理主義に染まって視野が狭くなった状態を脱却する方法
第5章 情報化社会だからこそ「暗記力」を強みにしよう―暗記力と理解力を鍛えて知的生産性を上げる方法
第6章 新しいことをはじめてみよう―進むべき道を探求し、自分で選んだことに自信を持つ方法
第7章 戦略的に楽観主義者になろう―失敗に対する耐性をつけ、研究を好転させていく方法
あとがきにかえて
![バイオウェブ - [HOME]](../../../images/home01.gif)