新しい統計学「ベイズ統計」の核心を、初学者にやさしい講義調の語り口でていねいに解説。高度すぎず浅すぎず、“紙と鉛筆”の計算で原理から理解できる。本当にわかりたい人のための、専門書への扉を開く本格入門書。◆おもな目次◆第０章　ベイズ推定とは何か０．１　偽コインのパズル０．２　条件つき確率とベイズの公式０．３　コインをさらに投げ続ける、他の問題第１章　ベイズ推定のための確率論速成コース１．１　簡単な例で復習する古典的な（素朴な）確率１．２　確率と事象の抽象理論１．３　確率分布と確率密度関数１．４　結合分布と周辺分布第２章　古典的なベイズの定理とその応用２．１　条件つき確率とベイズの定理２．２　ベイズの定理の解釈と応用例２．３　離散値確率分布のベイズの定理第３章　ベイズ推定の枠組み３．１　条件つき確率密度関数とベイズの定理３．２　ベイズ推定の枠組み３．３　事後分布をどう使うか第４章　二項モデルでベイズ推定を理解する４．１　二項モデルの設定４．２　二項モデルの分布更新４．３　二項モデルの事後分布の性質第５章　最も重要な例正規モデル５．１　正規モデルの設定５．２　正規モデルの事前分布、事後分布分散が既知の場合５．３　正規モデルの事前分布、事後分布分散も未知の場合第６章　頻度主義的な統計的推測の考え方６．１　偽コインのパズルと仮説検定６．２　偽コインのパズルの点推定と区間推定６．３　頻度主義的統計学の推定の背景第７章　モンテカルロ法による近似計算７．１　モンテカルロ法７．２　ギブスサンプリング７．３　メトロポリス法第８章　高度なモデルへの必須知識多次元正規モデル８．１　正規分布から多次元正規分布へ８．２　多次元正規モデルの設定８．３　多次元正規モデルの事前分布、事後分布第９章　最初の応用線形回帰モデル９．１　線形回帰モデル９．２　最小二乗法９．３　正規線形回帰モデルのベイズ推定第１０章　より高度なモデルへ三つのアイデア１０．１　確率分布の抽象化指数型分布族１０．２　線形回帰の一般化一般化線形モデル１０．３　ベイズ推定の階層化