生成AIと統計プログラミング

生成AIにRコードの作成・説明・修正を依頼し、自分で実行して結果を確かめる方法を練習します。
公開

2026-09-22

最終更新

2026-10-02

1 目的

Rで統計分析を行うには、分析の目的に合わせて、データの読み込みや集計、作図などの処理をコードで記述します。従来は、分析者が関数の使い方を調べながら自分でコードを入力し、実行結果を見て修正するのが基本でした。生成AIを使うと、このコードの作成や修正を、AIとの対話を通じて進められます。行いたい統計分析を文章で説明してコードを作ってもらい、実行した結果やエラーを伝えて修正を依頼する、という流れです。

このページでは、AIとの対話を通じて統計分析のコードを作り、自分で実行して結果を確かめる方法を学びます。分析の目的と条件を伝え、生成されたRコードを実行し、処理の意味やエラーの原因について質問してみましょう。

題材は、大学生100人の睡眠時間を想定した架空データの生成と集計です。第9節（練習問題）まで取り組み、AIに依頼する → 自分で実行する → 結果を確かめる → 必要なら修正を頼むという流れを練習します。

AIにコードの作成や修正を依頼するときは、実行結果を見ながら対話を重ねます。「睡眠時間の平均を求めたい」「このエラーの原因を説明してほしい」のように、目的や疑問を具体的に伝えてみましょう。

この授業では、AIへの依頼を通じて、分析の目的と条件を整理する力を身につけます。生成されたコードを読み、人数や値の範囲、平均、図を確認することで、統計の考え方とRの処理を結びつけて学びます。AIの説明も手がかりにしながら、結果の意味を自分の言葉で説明できるようになることを目指します。

今回の架空データは、人数や値の範囲を指定でき、AIが書いたコードの結果を確認しやすい題材です。データの生成も集計もAIに依頼し、そのやり取りと確認を練習します。

2 準備

ノート先に確認する動画

Moodleで指定された解説動画を確認してください。

RとPositronのセットアップを終えていることを前提とします。授業用フォルダをPositronで開き、今回のコードを保存する generative-ai.R を作成してください。操作を確認したい場合は、セットアップのRの動かし方を参照します。作図にはセットアップで導入した ggplot2 を使います。

ブラウザで、普段使っている生成AIや、利用できる生成AIを開いてください。例えばChatGPTや大学契約のMicrosoft Copilotなどがあります。これらに限定する必要はありません。大学契約のサービスを使う場合は、大学の案内に従ってアクセスします。

AIに伝える情報

この授業では、データそのものをAIに渡さず、変数名・型・値の範囲と、行いたい処理を伝えます。今回の架空データでも、この手順で練習します。AIにはデータを生成するコードを書いてもらい、データは自分のパソコンのRで作ります。

コードの修正や結果の説明を求めるときは、必要なコードや集計結果を伝えます。データの全行を貼ったり、データファイルをアップロードしたりする必要はありません。実データを扱う場合は、集計結果にも少人数の情報が含まれることがあるため、送信してよい範囲を課題の指示で確認してください。エラー文に含まれるユーザー名や個人のファイルの場所も伏せます。

3 分析の仕様を言葉にする

今回は、架空の100人について睡眠時間の平均を計算し、どの時間帯に何人いるかをヒストグラムで見ます。AIに頼む前に、作るデータと欲しい出力を決めておきましょう。処理の条件を具体的に書いたものを、ここでは仕様と呼びます。

項目 今回の仕様
対象 大学生を想定した架空の100人。1行を1人とする
データの保存先 sleep_data というデータフレーム（行と列からなる表）
変数 sleep_hours。1日の睡眠時間を時間単位で表す数値。欠損値は含めない
値の範囲と桁数 4〜10時間の範囲、小数第1位まで
生成方法 4〜10の一様分布から100個の乱数を生成し、小数第1位まで丸める
再現のための設定 乱数を生成する直前に set.seed(123) を実行する
数値の出力 人数、最小値、最大値、平均
図 横軸は睡眠時間、縦軸は人数。4、5、6、7、8、9、10時間を境界とするヒストグラム

乱数とは、決めた規則に沿ってランダムに生成する値です。一様分布では、同じ幅の区間なら値が入る確率が等しくなります。例えば丸める前の値が4〜5時間に入る確率と、7〜8時間に入る確率は同じです。ただし、100人分を生成したときの人数が各区間で等しくなるとは限りません。生成方法の詳細はThe Uniform Distribution（英語）を参照できます。

これは操作を練習するための単純な設定で、実際の大学生の睡眠時間の分布を再現するものではありません。

set.seed() は乱数生成の出発点を指定する関数です。同じRの乱数設定で、同じシードを指定し、同じコードを同じ順序で実行すると結果を再現できます。123は今回選んだ番号で、人数や平均を表す数字ではありません。同じシードでも、AIが別の生成方法のコードを書けば、結果が同じになるとは限りません。詳しくはRandom Number Generation（英語）を参照してください。

実際に集めたデータではなく、分析する側が条件を決めて作ったデータを、仮想データやシミュレーションデータと呼びます。仮想データには、大きく2つの使い道があります。

  1. 学ぶため。実際のデータは複雑で、分析の結果をどう読めばよいか分かりにくいことがあります。平均や分布を自分で決めたデータなら、分析の手法が何をしているのかを確かめやすくなります。授業で使う模擬調査データも、この目的で乱数から作っています。
  2. 研究の準備のため。データを集める前に、予定している分析の手順を仮想データで試しておけます。集めた後になって、分析できないことに気づく事態を減らせます。

乱数を使えば、手で値を入力しなくても多くの人数や変数のデータを作れます。平均や標準偏差などの条件も指定できます。このページの睡眠時間は値の範囲を指定して作りますが、第9節（練習問題）では平均と標準偏差を指定して作る練習もします。

4 AIへの指示例

AIへの依頼文をプロンプトと呼びます。「睡眠時間のデータを分析して」だけでは、人数、値の範囲、作りたい図が伝わりません。次のように条件を具体的に伝えます。新しい会話を開き、まずは枠内をコピーしてAIに送ってください。

ヒントコピーして使う指示例（全文） 
PositronでRを使っています。ggplot2は導入済みです。
統計プログラミングの練習として、大学生100人の1日の睡眠時間を想定した架空データを作ります。実際の大学生の分布を再現する目的ではありません。
Rスクリプトに貼り付けて実行できる、次の条件を満たすRコードを書いてください。

・乱数生成の直前にset.seed(123)を実行する。
・runif()で4〜10の一様分布から100個の乱数を生成し、round()で小数第1位まで丸める。欠損値は作らない。
・データフレーム名はsleep_data、数値の列名はsleep_hoursとする。1行を1人とする。
・人数、最小値、最大値、平均を表示する。
・ggplot2でヒストグラムを作る。区間の境界は4、5、6、7、8、9、10とし、closed = "right"で右端を含める。横軸のラベルは「睡眠時間（時間）」、縦軸は「人数」とする。
・図をsleep_plotに保存し、print(sleep_plot)で表示する。
・代入は<-を使い、ggplot2の関数にはggplot2::を付ける。
・データの生成、数値の確認、作図を分け、それぞれのコードを短く説明する。
データのアップロードや外部ファイルの読み込みは行いません。

closed = "right" はヒストグラムの区間の右端を含める指定で、ggplot2:: は使う関数がggplot2のものだと明示する書き方です。参照コードと見比べやすくするため、依頼文に含めています。区間の数え方は第6節（結果の確認）で確認します。

5 参照コードと実行

AIからは、Rスクリプトに貼り付けて実行できるRコードが返ってくる想定です。コードの前後に説明が添えられることもあります。次は、返ってくるコードの一例です。実行する前に、自分が受け取ったコードと見比べてください。

# 架空の100人分の睡眠時間を作る
set.seed(123)
sleep_data <- data.frame(
  sleep_hours = round(stats::runif(n = 100, min = 4, max = 10), digits = 1)
)

# 人数、最小値・最大値、平均を表示する
nrow(sleep_data)
range(sleep_data$sleep_hours)
mean(sleep_data$sleep_hours)

# ggplot2で、区間の境界と軸ラベルを指定してヒストグラムを描く
sleep_plot <- ggplot2::ggplot(sleep_data, ggplot2::aes(x = sleep_hours)) +
  ggplot2::geom_histogram(breaks = seq(4, 10, by = 1), closed = "right") +
  ggplot2::labs(x = "睡眠時間（時間）", y = "人数")
print(sleep_plot)

この例では、データの生成、数値の表示、作図を順に書いています。sleep_data は生成した表の名前、sleep_data$sleep_hours はその表から睡眠時間の列を取り出す書き方です。sleep_plot には図を保存しています。

AIが書いたコードと一字一句同じである必要はありません。第3節（分析の仕様を言葉にする）で指定した処理になっているかを確認します。参照例のコードをコピーして置き換える前に、まずAIから受け取ったコードを実行してみましょう。

コードの実行

返ってきたコードを読み、100人、4〜10時間、sleep_data、sleep_hours という指定が含まれているか確認します。意味の分からない行があれば、その行の説明をAIに求めてください。今回はファイルの削除や外部への送信を行う処理は必要ありません。

Rのコードだけを generative-ai.R に貼り付け、上から処理のまとまりごとに実行します。AIの回答にある説明文や、コードを囲む ``` の行は貼り付けません。回答のコード枠にコピーボタンがあれば、コードだけをコピーできます。数値はConsole、図はPlotsで確認します。操作に迷った場合は、セットアップのRの動かし方や困ったときへ戻ってください。

エラーが出た場合

途中でエラーが出たら、その後の処理へ進む前に原因を確かめます。例えば object 'sleep_data' not found なら、sleep_data を作る部分をまだ実行していないか、その処理が失敗している可能性があります。

AIに相談するときは、次の角括弧を自分の状況に置き換えます。

先ほどのRコードをPositronで実行したところ、途中で止まりました。
実行したコード: [エラーに関係するコードを貼る]
エラー文: [個人情報を伏せたエラー文を貼る]
どこまで実行したか: [データ生成から順に実行した、作図部分だけ実行した、など]
原因を確認する手順と、必要な修正を説明してください。

修正されたコードはスクリプトにも反映し、データ生成から順に実行し直します。説明が分からない場合や、解決しない場合は教員に質問してください。

6 結果の確認

AIのコードを実行したら、自分のRで作られたデータを確かめます。以下では、確認することごとにコードと出力例、期待する結果を並べています。出力例は、このページの参照コードを実行した結果です。

自分のスクリプトに確認用コードを追加し、AIのコードを実行した直後に確認してください。先に参照コードを実行すると、AIのコードで作ったデータが上書きされます。まずはAIのコードによる結果を確かめましょう。

単回帰などの分析ページでは、こうした確認項目を「検証チェックリスト」としてまとめています。

100人分のデータがあるか

nrow() で表の行数を調べます。1行を1人として作ったので、100と表示されることを確認します。

nrow(sleep_data)
[1] 100

100にならない場合は、乱数を生成する runif() の n が100になっているか、生成部分から実行できているかを確認してください。

睡眠時間が数値として保存されているか

is.numeric() は数値かどうかを調べます。TRUEなら数値として保存されています。

is.numeric(sleep_data$sleep_hours)
[1] TRUE

FALSE の場合は、文字として保存されているなど、指定した型と違う可能性があります。AIにこの結果を伝え、数値の列として作るよう修正を依頼します。

欠損値がないか

is.na() で欠損値かどうかを調べ、sum() でその数を数えます。今回は欠損値を作らない指定なので、0が期待する結果です。

sum(is.na(sleep_data$sleep_hours))
[1] 0

0より大きければ、生成やその後の処理で欠損値が入っていないかを確認します。

4〜10時間の範囲に収まっているか

range() は最小値と最大値を、この順に表示します。最小値が4以上、最大値が10以下なら範囲の指定を満たしています。

range(sleep_data$sleep_hours)
[1]  4 10

参照例では4と10ですが、一般には両端の値が必ず含まれる必要はありません。範囲を外れる場合は、runif() の min と max、その後の処理を確認します。

小数第1位までの値になっているか

各値を小数第1位まで丸め直し、元の値と変わらないかを調べます。TRUEなら、すべての値が小数第1位までになっています。

all(abs(sleep_data$sleep_hours - round(sleep_data$sleep_hours, 1)) < 1e-8)
[1] TRUE

round(..., 1) は小数第1位まで丸める指定です。abs() で差の大きさを調べ、all() ですべての値が条件を満たすかを確認しています。1e-8 は、コンピュータの小数計算のごく小さな誤差を許すための値です。FALSE なら、生成時の round() の指定を見直します。

平均が一致するか

mean() で睡眠時間の平均を計算します。AIの集計コードが表示した平均と一致することを確認してください。

mean(sleep_data$sleep_hours)
[1] 6.995

参照例では6.995時間です。同じ生成方法・シード・実行順序なら、この値と照合できます。値が違う場合は、平均を計算した対象とデータの生成部分を見直します。表示する桁数を丸めていないかも確認してください。

ヒストグラムが指定どおりか

Plotsに表示された図を見て、横軸が睡眠時間、縦軸が人数になっているかを確かめます。参照例では次のようになります。

睡眠時間を4〜10時間の範囲で1時間幅に区切ったヒストグラム。横軸は睡眠時間、縦軸は人数です。
図 1: 架空の100人の睡眠時間。区間ごとの人数にはばらつきがあります。

区間の境界が4、5、6、7、8、9、10時間であることを確認します。参照コードの seq(4, 10, by = 1) は、この境界を作る指定です。closed = "right" は区間の右端を含める指定で、5時間ちょうどは4〜5時間の棒に入ります。最初の区間には下限の4時間も含みます。

平均とも見比べましょう。図の大半が9〜10時間に集中しているのに平均が7時間なら、平均と図で違うデータを使っていないかを調べます。

軸の日本語ラベルが四角や空白になっても、目盛りの数値と棒から区間の境界や人数を確認できます。横軸に睡眠時間を指定したことは、コードの ggplot2::aes(x = sleep_hours) でも確かめてください。

読みやすくしたい場合は、AIに「横軸のラベルをSleep hours、縦軸をCountに変えてください」と依頼し、作図部分を実行し直せます。日本語の図を保存したい場合は、任意でセットアップの日本語ラベルで図を保存するを参照してください。その例にある age_plot を今回の sleep_plot に置き換え、軸ラベルを睡眠時間と人数に合わせます。この方法では日本語ラベルを含むPNG画像を保存します。Plotsの表示自体は変わりません。

生成方法が指定どおりか

人数や値の範囲が合っているだけでは、一様分布から生成したかまでは分かりません。コードに戻り、runif(n = 100, min = 4, max = 10) で生成し、その直前に set.seed(123) を実行しているかも確認してください。

7 結果の解釈

コードを作ってもらった会話の続きで、分からないことを短く質問してみましょう。例えば、平均の出力を見て、次のように尋ねます。角括弧は自分の実行結果に置き換えてください。

平均は[確認した値]時間でした。この結果はどう解釈できますか？

コードの意味が分からなければ、「このコードのmean()は何をしていますか？」と聞くこともできます。

返ってきた説明を、自分のコードと出力に照らして読みます。例えば参照例では、100人分の平均は6.995時間です。これは、生成した睡眠時間の合計を100で割った値です。一様分布の範囲の中央は7時間ですが、今回の100個の平均がちょうど7になるとは限りません。

AIが「大学生の平均睡眠時間は約7時間です」と説明した場合は、対象を確かめてください。今回計算したのは架空のデータの平均です。実際の大学生の平均睡眠時間や、睡眠が十分かどうかは、この実習では判断できません。

確認した内容を使い、「架空の100人の平均は○時間だった。ヒストグラムでは……」と、自分の言葉で2〜3文にまとめましょう。AIの説明に誤りがあった場合は、どこをどう直したかも書き留めます。

8 エラーの説明と修正依頼

コードを実行すると、エラー文が表示されて処理が止まることがあります。ここでは、エラーが出たコードとメッセージをAIに伝え、原因の説明と修正を求めてみましょう。

第5節（参照コードと実行）で sleep_data を作った後に、次のコードを実行してください。教材用に名前の間違いを入れてあるため、エラーになります。

mean(sleep_dat$sleep_hours)
Error:
! object 'sleep_dat' not found

エラー文にある object 'sleep_dat' not found は、sleep_dat という名前のオブジェクトが見つからないという意味です。このページではエラーが2行に分かれていますが、Consoleでは通常1行で表示され、先頭の ! は付きません。Rの言語設定によって、日本語で表示される場合もあります。

同じAIとの会話に、次の短い質問と、実際に表示されたエラー文を貼り付けてください。

mean(sleep_dat$sleep_hours)を実行すると、次のエラーが出ました。
[エラー文を貼る]
原因を説明し、コードを修正してください。

AIの説明を読んで、作成したデータの名前と照合します。修正されたコードをスクリプトに反映し、実行して確かめてください。新しい会話で質問する場合は、sleep_data を作ったコードも一緒に伝えると、名前を確認できます。

作成した表の名前は sleep_data ですが、エラーが出たコードでは末尾の a が抜けて sleep_dat になっています。表の名前を合わせて、次のように直します。

mean(sleep_data$sleep_hours)
[1] 6.995

平均が表示されたら、第6節（結果の確認）で求めた平均と一致するかも確認してください。エラーが消えたことに加えて、意図したデータで計算できたかを確かめます。

修正後も sleep_data が見つからないというエラーが出る場合は、データを作るコードが実行できているかを確認し、生成部分から順に実行し直します。

9 練習問題

練習問題は2つあります。1つ目は人数を変え、2つ目は生成する分布を変えます。どちらも、使用した依頼文と実行したコード、確認結果を残してください。修正した場合は、その理由と変更内容も書き留めます。提出の要否や方法はMoodleの指示を確認してください。

人数を変える

最初の依頼文を自分で変更して、架空の200人分の睡眠時間を作ってください。変数と生成範囲、小数の桁数、シード、ヒストグラムの区間は同じにし、データの保存先を sleep_200 に変えます。

  1. 変更した依頼文をAIに送り、コードを実行する。
  2. 確認コードの対象を sleep_200 に変え、人数・型・欠損・範囲・桁数・平均を調べる。ヒストグラムの軸と区間も確認する。
  3. 平均と図の特徴を自分の言葉で説明する。100人のときと平均が違っていても、それだけでは間違いと言えない理由を添える。

人数を200、保存先を sleep_200 に変更し、他の条件は維持します。生成と集計の参照例です。

set.seed(123)
sleep_200 <- data.frame(
  sleep_hours = round(stats::runif(n = 200, min = 4, max = 10), digits = 1)
)
nrow(sleep_200)
[1] 200
is.numeric(sleep_200$sleep_hours)
[1] TRUE
sum(is.na(sleep_200$sleep_hours))
[1] 0
range(sleep_200$sleep_hours)
[1]  4 10
mean(sleep_200$sleep_hours)
[1] 7.038
all(abs(sleep_200$sleep_hours - round(sleep_200$sleep_hours, 1)) < 1e-8)
[1] TRUE

図に使うデータも sleep_200 に変えます。100人分の図をそのまま表示していないか確認しましょう。

sleep_plot_200 <- ggplot2::ggplot(sleep_200, ggplot2::aes(x = sleep_hours)) +
  ggplot2::geom_histogram(breaks = seq(4, 10, by = 1), closed = "right") +
  ggplot2::labs(x = "睡眠時間（時間）", y = "人数")
print(sleep_plot_200)
架空の200人について、睡眠時間を4〜10時間の範囲で1時間幅に区切ったヒストグラム。各区間の人数にはばらつきがあります。
図 2: 架空の200人の睡眠時間。100人の図と同じ区間で人数を数えています。

参照例の平均は約7.04時間です。200人分の架空データが4〜10時間に広がり、区間ごとの人数にはばらつきがあります。参照例では、同じシードと生成方法を使うので、先頭の100人分は100人版と同じ値です。そこに続く100人分の値が加わるため、200人全体の平均は7.038時間に変わります。今回の200人の平均も、実際の大学生の平均睡眠時間とは区別します。

正規分布から作る

ここまでの睡眠時間は、4〜10時間のどの値も同じ確率で出る一様分布から作りました。身長や得点のような変数は、平均の近くに多くの値が集まり、平均から離れるほど少なくなる形をとることが多く、この形の分布を正規分布と呼びます。正規分布から乱数を作るときは、値の範囲ではなく、平均と標準偏差を指定します。Rでは rnorm() を使います。

例えば、6歳男子の身長を模した架空データを作る場合を考えてみましょう。文部科学省の学校保健統計調査（令和6年度）によると、6歳男子の身長は平均116.7cm、標準偏差5.0cmです。ここでは、身長がこの平均と標準偏差をもつ正規分布に従うと仮定します。標準偏差とは、値が平均からどの程度ばらつくかを表す指標です。正規分布では、平均から標準偏差1つ分の範囲に全体の約7割が入ります。

次の仕様で、AIへの依頼文を自分で書いてください。第4節（AIへの指示例）の依頼文を土台にし、対象、変数、生成方法、出力の条件を書き換えます。

項目 今回の仕様
対象 6歳男子を想定した架空の200人。1行を1人とする
データの保存先 height_data というデータフレーム
変数 height_cm。身長をcm単位で表す数値。欠損値は含めない
生成方法 平均116.7、標準偏差5.0の正規分布から rnorm() で200個の乱数を生成し、小数第1位まで丸める
再現のための設定 乱数を生成する直前に set.seed(123) を実行する
数値の出力 人数、平均、標準偏差、最小値、最大値
図 横軸は身長、縦軸は人数。区間の幅を2cmとするヒストグラム
  1. 仕様を依頼文にしてAIに送り、返ってきたコードを実行する。
  2. 人数・型・欠損・桁数を第6節（結果の確認）と同じ方法で確認する。平均は mean()、標準偏差は sd() で計算し、指定した116.7と5.0にどの程度近いかを見る。
  3. 最小値と最大値を見て、範囲を指定していないデータがどの程度の幅に収まったかを確認する。ヒストグラムの形を睡眠時間の図と見比べ、違いを自分の言葉で説明する。

生成と確認の参照例です。stats::rnorm() の mean と sd に、指定した平均と標準偏差を渡します。

set.seed(123)
height_data <- data.frame(
  height_cm = round(stats::rnorm(n = 200, mean = 116.7, sd = 5), digits = 1)
)
nrow(height_data)
[1] 200
is.numeric(height_data$height_cm)
[1] TRUE
sum(is.na(height_data$height_cm))
[1] 0
all(abs(height_data$height_cm - round(height_data$height_cm, 1)) < 1e-8)
[1] TRUE
mean(height_data$height_cm)
[1] 116.658
sd(height_data$height_cm)
[1] 4.710923
range(height_data$height_cm)
[1] 105.2 132.9

乱数でデータを作るときには、生成の条件として指定する平均と、生成したデータから計算する平均を区別します。116.7cmは、身長の出方を決めるためにあらかじめ指定した、理論上の平均です。一方、参照例で mean() が表示する116.66cmは、生成した200人分の身長を合計して200で割った、今回のデータの平均です。標準偏差も同じです。指定した5.0cmに対し、データから sd() で計算した値は4.71cmになります。

生成した200人分の値が、平均を挟んでちょうどつり合うとは限りません。そのため、データの平均や標準偏差は、指定した値と一致しないことがあります。指定値と一致しないことだけで、コードが誤っているとは判断できません。ずれが大きい場合は、rnorm() の mean と sd に渡した値と、その後の処理を見直します。

最小値と最大値は、参照例では105.2cmと132.9cmです。正規分布では値の範囲を決めていないので、平均から離れた値も少数ながら出ます。睡眠時間のときに確認した「4〜10の範囲に収まっているか」という項目は、この仕様にはありません。

height_plot <- ggplot2::ggplot(height_data, ggplot2::aes(x = height_cm)) +
  ggplot2::geom_histogram(binwidth = 2) +
  ggplot2::labs(x = "身長（cm）", y = "人数")
print(height_plot)
身長を2cm幅に区切ったヒストグラム。横軸は身長、縦軸は人数です。116.7cm付近の棒が高く、両側に向かって低くなります。
図 3: 架空の6歳男子200人の身長。平均の近くに人数が集まり、離れるほど少なくなります。

睡眠時間の図では、どの区間にも同じ程度の人数が入っていました。身長の図では、平均の近くの区間に人数が集まり、両端の区間は少なくなります。この違いは、一様分布と正規分布という生成方法の違いから生まれています。

10 参考資料

乱数生成と分布、シードの詳しい仕様は、Rの公式ドキュメントで確認できます。

最終更新: 2026-10-02