購入先

1	標本理論入門
1.1	頻度主義に基づく統計的推測の基礎知識
1.2	頻度主義統計学のはじまり
1.3	ネイマンーピアソン理論の基本的考え方
1.4	ベイズ統計学レビュー
2	ベイズ統計学の基礎
2.1	ベイズ統計学の発展
2.2	確率の頻度説
2.3	主観確率
2.4	ベイズの定理と事前確率分布
2.5	ベイズの定理からベイズ統計学へ
2.6	事後分布の極限
2.7	予測分布
3	事前分布の選び方
3.1	事前分布の選び方（１）：自然共役分布
3.2	事前分布の選び方（２）：リンドレーのあいまい事前分布
3.3	事前分布の選び方（３）：ジェフリーズの不変原理
3.4	事前分布の選び方（４）：ボックス・チャオの無情報的事前分布
3.5	事前分布と有意差検定
4	統計的決定と情報の価値
4.1	不確実性のもとでの意思決定
4.2	意思決定方式の順序付けと許容性
4.3	ミニマックス決定方法とベイズ決定方式
4.4	完全情報の期待価値
4.5	ベイズ決定（推定）
4.6	不確実性下でのベイジアンコントロールと期待値の合理性
5	無情報的事前分布の応用
5.1	正規分布に対する推定
5.2	ベイズ回帰分析
5.3	ベイズ統計学の階層モデル
5.4	経験的ベイズの方法
6	統計的情報
6.1	統計理論と情報
6.2	エントロピー
6.3	カルバック-ライブラーの情報数
6.4	連続情報源の通信理論
7	ベイズ更新と逐次仮説検定
7.1	ベイズ更新による決定の考え方
7.2	逐次確率比検定
7.3	逐次決定問題
8	ギブス・サンプリングによるMCMCのベイズ統計学への応用
8.1	シミュレーション
8.2	メトロポリスーヘイスティングスによる標的密度のつくり方
8.3	ギブス・サンプリングとベイズ分析
8.4	完全条件付き分布でMCMCを実行する
8.5	WinBUGSの概観