ＲとＳｔａｎではじめるベイズ統計モデリングによるデータ分析入門

「基本をより実践的に！」学べる新シリーズの第一弾は、「統計モデリングの世界」へのファーストブック。基礎から学べる超入門！
・チュートリアル形式だから、すぐに実践できる！
・統計、確率、ベイズ推論、MCMCの基本事項から、やさしくサポート！
・brmsやbayesplotなどのパッケージの使い方も、しっかり身につく！
・一般化線形モデル(GLM)→一般化線形混合モデル(GLMM)→動的線形モデル(DLM)→動的一般化線形モデル(DGLM)を体系的に学べる！
【本書のサポートページ】
https://logics-of-blue.com/r-stan-bayesian-model-intro-book-support/

【実践Data Scienceシリーズ】
　「基本をより実践的に！」を合言葉に、データサイエンスで用いられる各種手法の基本を、プログラミングの実装とともに解説していきます。はじめて学ぶ大学生、大学院生、ソフトウェアエンジニアに向けた注目の新シリーズです。

【主な内容】
1部　【理論編】ベイズ統計モデリングの基本
1　はじめよう！　ベイズ統計モデリング
2　統計学の基本
3　確率の基本
4　確率分布の基本
5　統計モデルの基本
6　ベイズ推論の基本
7　MCMCの基本

2部　【基礎編】RとStanによるデータ分析
1　Rの基本
2　データの要約
3　ggplot2によるデータの可視化
4　Stanの基本
5　MCMCの結果の評価
6　Stanコーディングの詳細

3部　【実践編】一般化線形モデル
1　一般化線形モデルの基本
2　単回帰モデル
3　モデルを用いた予測
4　デザイン行列を用いた一般化線形モデルの推定
5　brmsの使い方
6　ダミー変数と分散分析モデル
7　正規線形モデル
8　ポアソン回帰モデル
9　ロジスティック回帰モデル
10　交互作用

4部　【応用編】一般化線形混合モデル
1　階層ベイズモデルと一般化線形混合モデルの基本
2　ランダム切片モデル
3　ランダム係数モデル

5部　【応用編】状態空間モデル
1　時系列分析と状態空間モデルの基本
2　ローカルレベルモデル
3　状態空間モデルによる予測と補間
4　時変係数モデル
5　トレンドの構造
6　周期性のモデル化
7　自己回帰モデルとその周辺
8　動的一般化線形モデル：二項分布を仮定した例
9　動的一般化線形モデル：ポアソン分布を仮定した例