1. はじめに
1. 1 ベイジアン推測の目的と方法
1. 2 代表的な確率分布

2. ベイジアン推測
2. 1 Bayes の定理
2. 1. 1 単純事象へのBayes の定理
2. 1. 2 仮説検定へのBayes の定理
2. 1. 3 推測へのBayes の定理
2. 2 統計的推測
2. 2. 1 二値データ
2. 2. 2 正規分布にしたがうデータ
2. 2. 3 Poisson 分布にしたがうデータ
2. 2. 4 条件付き独立と交換可能性
2. 3 事後分布
2. 4 事前分布
2. 4. 1 事前分布のサンプルサイズ
2. 4. 2 情報がある事前分布
2. 4. 3 無情報事前分布
2. 5 階層的モデル
2. 5. 1 交換可能性
2. 5. 2 事前分布
2. 6 予測
2. 7 モデルの適合度と感度分析
2. 8 ベイジアンの流派
2. 9 ベイジアン統計解析を適切に報告するためのガイドライン

3. マルコフ連鎖モンテカルロ法
3. 1 モンテカルロ積分
3. 2 マルコフ連鎖
3. 3 Metropolis–Hastings アルゴリズム
3. 4 単一成分Metropolis–Hastings アルゴリズム
3. 5 Gibbs サンプリング
3. 6 欠測データの補完
3. 7 収束診断
3. 8 適用環境

4. WinBUGS
4. 1 はじめに
4. 1. 1 始める用意
4. 2 チュートリアル
4. 2. 1 BUGS 言語でのモデル指定
4. 2. 2 プログラムを実行するには
4. 2. 3 収束の診断
4. 2. 4 サンプルサイズ——連鎖の繰り返し数
4. 2. 5 事後分布の要約
4. 3 モデルの書き方
4. 3. 1 言語
4. 3. 2 データ
4. 3. 3 初期値
4. 4 プログラムを実行する
4. 4. 1 スクリプトの利用
4. 4. 2 Model のメニュー
4. 4. 3 エラーメッセージとトラブルシューティング
4. 5 結果の解釈のツール
4. 5. 1 モデルの視覚的チェック
4. 5. 2 解析結果を他の統計パッケージで使用する方法
4. 6 連鎖が収束しない例
4. 6. 1 連鎖の収束を改善させるためのこつ
4. 6. 2 初期値の影響
4. 6. 3 共変量のセンタリング
4. 6. 4 自己相関が高い場合−− Over-relaxation algorithm
4. 6. 5 不適切な事前分布の影響
4. 6. 6 パラメータ化のまずい例：変化点問題

5. 応用例
5. 1 事前分布の設定について
5. 2 一変量正規分布モデル
5. 3 回帰モデル
5. 3. 1 正規線形回帰モデル
5. 3. 2 二値回帰モデル
5. 3. 3 多項回帰モデル
5. 4 階層的モデル
5. 4. 1 正規–正規モデル
5. 4. 2 Poisson–gamma モデル
5. 4. 3 多変量モデル
5. 5 経時的繰り返し測定データのモデル
5. 5. 1 Poisson 回帰モデル
5. 6 生存時間解析
5. 6. 1 対数ロジスティックモデル
5. 6. 2 Weibull 回帰モデル
5. 7 潜在クラスモデル
5. 8 混合分布モデル
5. 9 間接的な比較研究
5. 10 個人内比較試験
5. 11 メタ・アナリシス
5. 11. 1 正規分布にしたがうデータ
5. 11. 2 Poisson 分布にしたがうデータ
5. 12 費用対効果分析
5. 13 欠測データ，欠測値
5. 13. 1 共変量に欠測データがある例
5. 13. 2 結果変数に欠測データがある例
5. 14 コンプライアンス
5. 15 測定誤差
5. 15. 1 Berkson モデル
5. 15. 2 後ろ向きサンプリングモデル
5. 16 ランキング
5. 17 用量反応モデル
5. 18 条件付きロジスティック回帰モデル
5. 19 対数オッズ比回帰モデル
5. 20 疾病地図の階層的モデル
5. 20. 1 SMR の再考
5. 20. 2 Poisson− gamma モデル
5. 20. 3 対数− 正規モデル
5. 20. 4 空間相関を考慮したCAR モデル

付録
文献
索引