StanとRでベイズ統計モデリング

本書は、数理モデルの多様な手法を解説し、データ分析における選択と理解を促進する入門書です。機械学習や統計モデルなど、自然科学と人文社会科学の手法を網羅し、初学者がデータ分析の全体像を把握できるように設計されています。特に、モデリング手法の選択や誤解しやすい点について丁寧に説明し、大学一年生でも理解できるレベルでありながら、より進んだ読者にも楽しめる内容となっています。著者は東京大学の特任講師で、幅広い分野での数理的解析に取り組んでいます。

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.

国内の若手研究者によるライブ感あふれるデータ分析事例集。有意性検定による手続き化された定石を180度転換する思考法として，「尤度によって現象を考える研究パラダイム」へと誘う。19の多彩な事例で，心理学が希求してきた「心理現象の一般法則の確立」と「個性の有り様の記述」の両者を同時に表現する道を拓く。 ◆主な目次◆ 第1章　大学生は18禁映像をどれくらい見ているか――2要因配置のAR法――　豊田秀樹 第2章　血液型と性格には関連がある？――ベイズ的アプローチによる再分析――　下司忠大 第3章　阪神ファン－巨人ファンの2大勢力構造は本当か？――Non-Zero過剰分布と多次元展開法を用いた感情温度の分析――　清水裕士 第4章　ことばの背後にある意図を探る傾向の個人差――2項分布を用いた間接的要求の解釈率のモデリング――　平川　真 第5章　音声から感情はわかるか？　鈴木朋子 第6章　男心をくすぐるデート戦略――時間で変化するデートの魅力を階層ベイズでモデリング――　坂本次郎 第7章　心の旅が始まる――観光のイメージの世代間比較――　小杉考司 第8章　傾いた文字は正しい文字か？　鏡文字か？――心的回転課題の反応時間を説明する混合プロセスモデル――　武藤拓之 第9章　己の「歌唱力」を推定する――カラオケ採点データを用いたベイズ統計モデリング――　紀ノ定保礼 第10章　オンライン調査における回答項目数のモデリング　岡田謙介 第11章　歴代M-1グランプリで最もおもしろいのは誰か　徳岡　大 第12章　顔は口ほどではないが嘘を言う――SDT，MPTによる二値データのモデリング――　難波修史 第13章　集団メンバーの消極的な発言は他メンバーのパフォーマンスを低下させるか――参加者間計画の心理学実験で得られた集団データの分析――　後藤崇志 第14章　いつになったら原稿を書くのか？――執筆量モニタリングにおける変化点検出――　国里愛彦 第15章　探すのに集中しているときとそうでないときで何が違うのか？――指数－正規分布の階層モデリング――　井上和哉 第16章　あなたの英語，大丈夫？　鬼田崇作・草薙邦広 第17章　心理療法の介入効果――構造方程式モデリングによる改善要因の検討――　竹林由武 第18章　本当に麻雀が強いのは誰か？――ディリクレ分布を用いた雀力のモデリング――　杣取恵太 第19章　男女間のナルシシズム傾向の差の検討――性別によるDIFを統制したベイズ項目反応モデル――　北條大樹 　目　　次 まえがき　　ⅰ 第1章　大学生は18禁映像をどれくらい見ているか ――2要因配置のAR法―― 　1.1　AR法とは 　1.2　データの収集 　1.3　結果1と課題 　1.4　モデル 　　1.4.1　混合分布 　　1.4.2　2要因配置 　　1.4.3　事後分布 　1.5　結果2 と考察 　1.6　後日談 　1.7　付録 第2章　血液型と性格には関連がある？ ――ベイズ的アプローチによる再分析―― 　2.1　調査データ 　2.2　有意性検定の結果 　2.3　事後分布 　2.4　ベイズ分析の結果 　2.5　結語 　2.6　付録 第3章　阪神ファン－巨人ファンの2大勢力構造は本当か？ ――Non-Zero過剰分布と多次元展開法を用いた感情温度の分析―― 　3.1　本章で扱うデータとモデル 　　3.1.1　感情温度 　　3.1.2　多次元展開法　23 　3.2　確率モデル 　　3.2.1　感情温度の測定モデル 　　3.2.2　多次元展開法 　3.3　分析結果 　　3.3.1　推定結果 　　3.3.2　等高線を利用したプロ野球球団への社会的態度の可視化 　3.4　まとめ 　3.5　付録 第4章　ことばの背後にある意図を探る傾向の個人差 ――2項分布を用いた間接的要求の解釈率のモデリング―― 　4.1　問題の背景 　　4.1.1　間接的発話行為 　　4.1.2　間接的発話の理解における個人差とその測定 　4.2　2項分布 　4.3　調査データ 　4.4　解釈率が個人ごとに異なると仮定した2項分布による分析 　　4.4.1　モデルの仮定 　　4.4.2　分析結果と結果の解釈 　4.5　解釈率が異なるグループの存在を仮定した混合2項分布による分析 　　4.5.1　モデルの仮定 　　4.5.2　分析結果と結果の解釈 　4.6　まとめと今後の課題 　4.7　付録 第5章　音声から感情はわかるか？ 　5.1　音声への感情の表れ 　5.2　音声データ 　5.3　記述統計量 　5.4　ベイズ法による分析（乱塊計画） 　5.5　結論 　5.6　付録 第6章　男心をくすぐるデート戦略 ――時間で変化するデートの魅力を階層ベイズでモデリング―― 　6.1　遅延価値割引 　6.2　デート予定の選択実験 　6.3　データの確認 　6.4　遅延価値関数と階層ベイズ 　　6.4.1　今日デートする魅力 　　6.4.2　時間で変化する後日のデートの魅力 　　6.4.3　モデル式の展開 　　6.4.4　ソフトマックス行動選択 　　6.4.5　階層ベイズモデル 　6.5　制限付き総和型わくわく割引モデルの結果 　6.6　総和型わくわく割引モデルの結果 　6.7　考察と結論 　6.8　付録 第7章　心の旅が始まる ――観光のイメージの世代間比較―― 　7.1　個人差多次元尺度構成法 　7.2　モデル 　7.3　技術的な制約 　7.4　データ 　7.5　結果と考察 　7.6　まとめ 　7.7　付録 第8章　傾いた文字は正しい文字か？　鏡文字か？ ――心的回転課題の反応時間を説明する混合プロセスモデル―― 　8.1　心的回転とは 　8.2　傾いた文字の正像・鏡像判断 　8.3　混合プロセスモデル 　8.4　指数－正規分布でノイズを表現する 　8.5　階層ベイズモデルで個人差を表現する 　8.6　データの収集と分析の実行 　8.7　推定結果 　8.8　まとめ 　8.9　付録 第9章　己の「歌唱力」を推定する ――カラオケ採点データを用いたベイズ統計モデリング―― 　9.1　平均得点の推定 　　9.1.1　対策1：打ち切られた「真の総合得点」を推定する 　　9.1.2　対策2：打ち切りデータが発生する確率を利用する 　9.2　これからも100点を取れるのか 　9.3　まとめ 　9.4　付録 第10章　オンライン調査における回答項目数のモデリング 　10.1　モデリング対象のデータ 　10.2　モデル1：回答するページ数が打ち切り幾何分布に従うモデル 　10.3　モデル2：教示の効果を表現できるよう改善したモデル 　10.4　モデル3：回答するページ数の影響を表現できるよう改善したモデル 　10.5　まとめとモデルの改良について 　10.6　付録 第11章　歴代M-1グランプリで最もおもしろいのは誰か 　11.1　おもしろさを推定するモデル 　11.2　コンビ平均モデル 　11.3　審査員のくせ評価モデル 　11.4　審査員の基準効果モデル 　11.5　開催回数効果モデル 　11.6　まとめ 　11.7　付録 第12章　顔は口ほどではないが嘘を言う ――SDT，MPTによる二値データのモデリング―― 　12.1　情動体験の弁別実験 　12.2　等分散を仮定した信号検出理論の階層モデル 　12.3　ベータ分布を用いた多項過程ツリーの階層モデル 　12.4　信号検出理論による結果 　12.5　ベータ多項過程ツリーモデルの結果 　12.6　考察と結論 　12.7　付録A 　12.8　付録B 第13章　集団メンバーの消極的な発言は他メンバーのパフォーマンスを低下させるか ――参加者間計画の心理学実験で得られた集団データの分析―― 　13.1　仮説の設定 　13.2　実験の組み立てと事前の分析計画 　13.3　実際の実験手続き 　13.4　事後的な分析計画の修正 　13.5　モデル式の組み立て 　13.6　結果 　13.7　考察 　13.8　付録 第14章　いつになったら原稿を書くのか？ ――執筆量モニタリングにおける変化点検出―― 　14.1　執筆量モニタリング 　14.2　執筆量データ 　14.3　データの可視化 　14.4　変化点検出モデル 　14.5　いつになったら本格的に原稿を書き始めるのか？ 　14.6　おわりに 　14.7　付録 第15章　探すのに集中しているときとそうでないときで何が違うのか？ ――指数－正規分布の階層モデリング―― 　15.1　伝統的な反応時間の分析方法 　15.2　指数－正規分布の利用 　15.3　使用するデータの概要 　15.4　階層モデルの利用 　15.5　推定結果 　15.6　最後に 　15.7　付録 第16章　あなたの英語，大丈夫？ 　16.1　外国語における語用論 　16.2　語用論的能力を信号検出モデルで表現する 　16.3　データの収集と分析 　16.4　やはり語用論的適切性の判断は難しい 　16.5　付録 第17章　心理療法の介入効果 ――構造方程式モデリングによる改善要因の検討―― 　17.1　データ 　17.2　潜在曲線モデル 　17.3　分析結果 　17.4　結語 　17.5　付録 第18章　本当に麻雀が強いのは誰か？ ――ディリクレ分布を用いた雀力のモデリング―― 　18.1　麻雀データとは 　18.2　ディリクレ分布を用いた麻雀データの生成 　18.3　雀力の比較 　18.4　まとめと限界 　18.5　付録 第19章　男女間のナルシシズム傾向の差の検討 ――性別によるDIFを統制したベイズ項目反応モデル―― 　19.1　はじめに 　19.2　ナルシシズム測定尺度について 　19.3　分析目的と分析データ 　19.4　項目反応モデル 　19.5　通常の項目反応モデルの分析結果 　19.6　性別効果検討のための拡張項目反応モデル 　19.7　拡張項目反応モデルの分析結果 　19.8　おわりに 　19.9　付録 索引

本書は、AI・データ分析プロジェクトの成功には技術知識だけでなく「ビジネス力」が重要であることを強調しています。データサイエンティストのキャリアや業界の概要から始まり、プロジェクトの立ち上げ、実行、評価、収益化までのノウハウを網羅。具体的には、課題設定、案件獲得、データ分析手法の検討、レポーティングなどのプロセスを解説し、実務に役立つ情報を提供しています。著者は業界の専門家で、実践的な知識を基にした内容となっています。

Python（パイソン）は初心者が比較的修得しやすく、AI（人工知能）やパターン認識などの先端技術に活用されている優れたプログラミング言語です。 本書では、初心者を対象に、Pythonを使ったプログラミングの勘所をやさしく解説しました。 例題に取り組むことで、プログラミングとはどういうものかを理解し、プログラミング的思考を身につけてもらうことを目的に執筆しました。 読者の皆さんが、楽しみながらPythonの素晴らしさやプログラミングの醍醐味を感じていただけたら、著者として望外の喜びです。

本書は、データサイエンスやウェブ開発、セキュリティで人気のPythonの入門書で、初級者向けに基礎から応用までを丁寧に解説しています。6年ぶりの改訂版で、Python 3.9に対応し、新機能も追加されています。内容は、基礎、実践的なプログラミング、リファレンスとしても役立つ構成になっています。

『独習Python』は、プログラミング初学者向けのPython入門書で、著者は山田祥寛氏です。本書は、手を動かして学ぶスタイルを重視し、Pythonの基本から応用までを体系的に学べる内容となっています。解説、例題、理解度チェックの3ステップで、基礎知識がない人でも理解しやすい構成です。プログラミング初心者や再入門者におすすめの一冊です。目次には、Pythonの基本、演算子、制御構文、標準ライブラリ、ユーザー定義関数、オブジェクト指向構文などが含まれています。

この書籍は、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を活用して業績を向上させるストーリーを通じて、デジタルマーケティングの基礎を学ぶ内容です。デジタル化を成功させるための条件や、重要な要素（MEO・SEO、データ分析、ECサイト構築、SNS活用など）が解説されています。著者は上野佑馬で、データ分析やデジタルマーケティングの専門家です。

本書は、データサイエンスにおけるコンペティション、特にKaggleに焦点を当て、実践的なデータ分析手法やテクニックを紹介しています。分析コンペに参加することで得られるスキルは、実務でも役立つため、特徴量の作成やモデルの評価、チューニングなどの具体的な内容が含まれています。著者たちは、データサイエンスの専門家であり、実績を持つKaggleの競技者です。この本は、コンペに挑戦したい人や実務でのモデル精度向上を目指す人にとって有益な情報源となるでしょう。