Andrew Gelmanらによるベイズ統計のバイブル「Bayesian Data Analysis」が待望の翻訳。
ベイズ推測やモデリングの基礎から始めて、ガウス過程、ディリクレ過程、ハミルトニアンモンテカルロといった手法まで、実用的な手法を幅広く網羅。各手法の理論だけでなく、豊富な実例・演習問題をもとに、計算機を用いたシミュレーション、プログラミング手法と応用における注意点までもれなく解説。
大学院生や研究者など、ベイズ統計とその応用に関わる方のリファレンスとしておすすめの一冊。
［原著］Bayesian Data Analysis, 3rd Edition (Chapman and Hall, 2013)
第I部 ベイズ推論の基礎
第1章 確率と推論
第2章 単一のパラメータをもつモデル
第3章 マルチパラメータモデル入門
第4章 漸近理論と非ベイズアプローチの関係
第5章 階層モデル
第II部 ベイズデータ解析の基礎
第6章 モデル診断
第7章 モデルの評価，比較，拡張
第8章 データ収集を考慮に入れたモデリング
第9章 意思決定分析
第III部 発展的な計算
第10章 ベイズ数値計算入門
第11章 マルコフ連鎖シミュレーションの基礎
第12章 効率的なマルコフ連鎖シミュレーション
第13章 モードや分布による近似
第IV部 回帰モデル
第14章 回帰モデルの導入
第15章 階層線形モデル
第16章 一般化線形モデル
第17章 頑健推測のモデル
第18章 欠測データのモデル
第V部 非線形・ノンパラメトリックモデル
第19章 パラメトリックな非線形モデル
第20章 基底関数モデル
第21章 ガウス過程モデル
第22章 有限混合モデル
第23章 ディリクレ過程モデル
付録A 標準的な確率分布
付録B 極限定理の証明の概要
付録C RとStanによる計算
