文科と理科両方の学生のために，統計的なものの考え方の基礎をやさしく解説するとともに，統計学の体系的な知識を与えるように，編集・執筆された．豊富な実際例を用いつつ，図表を多くとり入れ，視覚的にもわかりやすく親しみながら学べるよう配慮した． 第1章 統計学の基礎（中井検裕，縄田和満，松原 望） 第2章 1次元のデータ（中井検裕） 第3章 2次元のデータ（中井研裕，松原 望） 第4章 確率（縄田和満，松原 望） 第5章 確率変数（松原 望） 第6章 確率分布（松原 望） 第7章 多次元の確率分布（松原 望） 第8章 大数の法則と中心極限定理（中井検裕） 第9章 標本分布（縄田和満） 第10章 正規分布からの標本（縄田和満） 第11章 推定（縄田和満） 第12章 仮説検定（縄田和満，松原 望） 第13章 回帰分析（縄田和満） 統計数値表 練習問題の解答

StanとRでベイズ統計モデリング

個人の地域密着型アウトドアショップがデジタルマーケティングで業績を飛躍的にアップさせていくストーリーに乗せて、DMの基礎を… 個人の地域密着型アウトドアショップがデジタルマーケティングで業績を飛躍的にアップさせていくストーリーに乗せて、DMの基礎を学ぶ

自然科学・工学・医学等への応用をめざしつつ，さまざまな統計学的考え方を紹介し，その基礎をわかりやすく解説する．シリーズIと同様に，豊富に実際例を用いつつ，図表を多くとり入れて，視覚的にもわかりやすく統計学を親しみながら学べるよう編集した． 第1章　確率の基礎（矢島美寛） 第2章　線形モデルと最小二乗法（廣津千尋） 第3章　実験データの分析（藤野和建） 第4章　最尤法（廣津千尋） 第5章　適合度検定（廣津千尋） 第6章　検定と標本の大きさ（竹村彰通） 第7章　分布の仮定（竹内 啓，藤野和建） 第8章　質的データの統計的分析（縄田和満） 第9章　ベイズ決定（松原 望） 第10章　確率過程の基礎（矢島美寛） 第11章　乱数の性質（伏見正則）

「彼が京大に入る確率は80％」などというように，「確率」は日常の用語としても広く使われる．しかし，そもそも確率とは何か？　厳密な公理的確率論が確立しているがために，かえってこれまでの教科書では，確率とは何か，をきちんと語っていない．日常の「確率」概念を根底から問い直すところから，読者を数学の世界に誘う．

東大教養学部における多年の講義経験に基づいて書き下ろした解析学の本格的入門書．豊富な練習問題をまじえながら，独自の論理構成でていねいに解き明かす．I 実数と連続，微分法，初等函数，積分法，級数　　　II 陰函数，積分法（続き），ベクトル解析，複素解析 まえがき 読者への注意 第I章　実数と連続 第II章　微分法 第III章　初等函数 第IV章　積分法 第V章　級数 附録1　集合 附録2　論理記号 問題解答

自然言語処理編

オークション等の注目のトピックスを盛り込み，解説をさらに丁寧に初学者にわかりやすく，新たに2色刷としてさらに読みやすく一新。 基礎から新しい研究成果までをカバーし，楽しみながらゲーム理論のエッセンスとその考え方を学べるスタンダードテキストの新版。オークション等の注目トピックスを盛り込み，さらに丁寧な解説でわかりやすく，新たに２色刷としてさらに読みやすく一新。 第１章　ゲーム理論とは何だろうか？ 第２章　選択と意思決定 第３章　戦略ゲーム 第４章　ナッシュ均衡点 第５章　利害の対立と協力 第６章　ダイナミックなゲーム 第７章　繰り返しゲーム 第８章　不確実な相手とのゲーム 第９章　交渉ゲーム 第10章　グループ形成と利得分配 第11章　進化ゲーム 第12章　ゲーム実験

ネットワーク分析

現代社会においては，さまざまなデータを正しく扱うことが全てに優先する．本書は，われわれの生活や社会と直接・間接にかかわりをもつ分野で用いられている統計的方法の基礎から応用までを，具体例に即して分かりやすく解説する． 第1章　統計学とデータ（高橋伸夫） 第2章　データの分析（竹村彰通） 第3章　標本調査法（竹村彰通） 第4章　統計調査と経済統計（廣松 毅） 第5章　地域統計（中井検裕） 第6章　経済分析における回帰分析（縄田和満・松原 望） 第7章　経済時系列データの分析（国友直人） 第8章　社会調査（盛山和夫） 第9章　社会移動データの分析手法（盛山和夫） 第10章　要因探究の方法（盛山和夫） 第11章　心理測定データの解析（渡部 洋） 第12章　テスト理論（渡部 洋） 第13章　心理・教育データのための統計的方法（渡部 洋）

Now in its third edition, this classic book is widely considered the leading text on Bayesian methods, lauded for its accessible, practical approach to analyzing data and solving research problems. Bayesian Data Analysis, Third Edition continues to take an applied approach to analysis using up-to-date Bayesian methods. The authors-all leaders in the statistics community-introduce basic concepts from a data-analytic perspective before presenting advanced methods. Throughout the text, numerous worked examples drawn from real applications and research emphasize the use of Bayesian inference in practice. New to the Third Edition Four new chapters on nonparametric modeling Coverage of weakly informative priors and boundary-avoiding priors Updated discussion of cross-validation and predictive information criteria Improved convergence monitoring and effective sample size calculations for iterative simulation Presentations of Hamiltonian Monte Carlo, variational Bayes, and expectation propagation New and revised software code The book can be used in three different ways. For undergraduate students, it introduces Bayesian inference starting from first principles. For graduate students, the text presents effective current approaches to Bayesian modeling and computation in statistics and related fields. For researchers, it provides an assortment of Bayesian methods in applied statistics. Additional materials, including data sets used in the examples, solutions to selected exercises, and software instructions, are available on the book's web page. FUNDAMENTALS OF BAYESIAN INFERENCE Probability and Inference Single-Parameter Models Introduction to Multiparameter Models Asymptotics and Connections to Non-Bayesian Approaches Hierarchical Models FUNDAMENTALS OF BAYESIAN DATA ANALYSIS Model Checking Evaluating, Comparing, and Expanding Models Modeling Accounting for Data Collection Decision Analysis ADVANCED COMPUTATION Introduction to Bayesian Computation Basics of Markov Chain Simulation Computationally Efficient Markov Chain Simulation Modal and Distributional Approximations REGRESSION MODELS Introduction to Regression Models Hierarchical Linear Models Generalized Linear Models Models for Robust Inference Models for Missing Data NONLINEAR AND NONPARAMETRIC MODELS Parametric Nonlinear Models Basic Function Models Gaussian Process Models Finite Mixture Models Dirichlet Process Models APPENDICES A: Standard Probability Distributions B: Outline of Proofs of Asymptotic Theorems C: Computation in R and Stan Bibliographic Notes and Exercises appear at the end of each chapter.