現象を数理モデルで表現・説明するのに慣れていない人のために、章ごとに異なる例題を解決していく過程を通して、統計モデルの基本となる考えかたを紹介する。前半では、応用範囲のひろい統計モデルのひとつである一般化線形モデルの基礎を、後半では、実際のデータ解析に使えるように、階層ベイズモデル化する方法を、ＲとＷｉｎＢＵＧＳの具体例を用いて説明する。

第１章　データを理解するために統計モデルを作る
第２章　確率分布と統計モデルの最尤推定
第３章　一般化線形モデル（ＧＬＭ）―ポアソン回帰
第４章　ＧＬＭのモデル選択―ＡＩＣとモデルの予測の良さ
第５章　ＧＬＭの尤度比検定と検定の非対称性
第６章　ＧＬＭの応用範囲をひろげる―ロジスティック回帰など
第７章　一般化線形混合モデル（ＧＬＭＭ）―個体差のモデリング
第８章　マルコフ連鎖モンテカルロ（ＭＣＭＣ）法とベイズ統計モデル
第９章　ＧＬＭのベイズモデル化と事後分布の推定
第１０章　階層ベイズモデル―ＧＬＭＭのベイズモデル化
第１１章　空間構造のある階層ベイズモデル

現象を数理モデルで表現・説明するのに慣れていない人のために、統計モデルの基本となる考えかたを説明。