ベイズ統計で実践モデリング
 認知モデルのトレーニング もくじ

まえがき
謝辞

第一部 はじめに

第一章 ベイズの分析の基礎
 1.1 一般原則
 1.2 予測
 1.3 逐次的更新
 1.4 マルコフ連鎖モンテカルロ
 1.5 本書の目的
 1.6 さらに学ぶために
第二章 WinBUGSではじめよう
 2.1 WinBUGS,Matbugs,R,R2WinBUGSのインストール
 2.2 アプリケーションの使用
 2.3 オンラインヘルプ,他のソフトウェア,有用なURL

第二部 パラメータ推定

第三章 二項分布を使った推論
 3.1 比率を推論する
  3.2 二つの比率の差
 3.3 共通の比率を推論する
 3.4 事前と事後の予測
 3.5 事後予測
 3.6 同時分布
第四章 ガウス分布を使った推論
 4.1 平均と標準偏差を推測する
 4.2 七人の科学者
 4.3 IQのくりかえし測定
第五章 データ解析の例
  5.1 ピアソン相関
 5.2 不確実性を伴うピアソン相関
 5.3 一致性のカッパ係数
 5.4 時系列データにおける変化検出
 5.5 打ち切りデータ
 5.6 飛行機を再捕獲する
第六章 潜在混合モデル
 6.1 試験の点数
 6.2 個人差を伴う試験得点
 6.3 二十の問題
 6.4 二国クイズ
 6.5 詐病の評価
 6.6 詐病における個人差
 6.7 アルツハイマー患者の再生テストのいかさま

第三部 モデル選択

第七章 ベイズ式のモデルの比較
 7.1 周辺尤度
 7.2 ベイズファクター
 7.3 事後モデル確率
 7.4 ベイズのアプローチの利点
 7.5 ベイズのアプローチにとっての難関
 7.6 サベッジ=ディッキー法
 7.7 免責事項と要約
第八章 ガウス分布の平均の比較
  8.1 一標本比較
 8.2 順序制約つき一標本比較
 8.3 二標本比較
第九章 二項比率の比較
 9.1 比率の同等性
 9.2 比率の順序制約つき等価性
 9.3 被験者内での比率の比較
 9.4 被験者間の比率の比較
 9.5 順序制約つきの被験者間比較

第四部 ケーススタディ

第十章 記憶の保持
 10.1 個人差を考えない場合
 10.2 完全な個人差を考える場合
 10.3 構造化された個人差を考える場合
第十一章 信号検出理論
 11.1 信号検出理論
 11.2 階層的信号検出理論
 11.3 パラメータ拡張法
第十二章 心理物理学的関数
 12.1 心理物理学的関数
 12.2 交絡のもとでの心理物理学的関数
第十三章 超感覚知覚
 13.1 最適停止の証拠
 13.2 能力の差についての証拠
 13.3 外向性の影響についての証拠
第十四章 多項過程ツリー
 14.1 対クラスターの多項過程モデル
 14.2 潜在特性MPTモデル
第十五章 記憶のSIMPLEモデル
 15.1 SIMPLEモデル
 15.2 SIMPLEの階層的拡張
第十六章 リスクテイキングのBARTモデル
 16.1 BARTモデル
  16.2 BARTモデルの階層的拡張
第十七章 カテゴリー化のGCMモデル
  17.1 GCMモデル
 17.2 GCMにおける個人差
 17.3 GCMにおける潜在グループ
第十八章 ヒューリスティック意思決定
 18.1 最良取得
 18.2 停止
 18.3 探索
 18.4 探索と停止
第十九章 数概念の発達
 19.1 N個ちょうだい課題についての知る者レベルモデル
 19.2 スピードカード課題での知る者レベルモデル
 19.3 N個ちょうだい課題とスピードカード課題についての
     知る者レベルモデル

ボックス
 1.1 なぜすべての統計学者がベイズ主義者でないのか
 2.1 グラフィカルモデルの記法
 2.2 計算機サンプリングを理解する必要があるか,理解し
    たいか?
 2.3 サンプラーの変更
 3.1 共役事前分布としてのベータ分布
 3.2 分布を解釈する
 3.3 推論の基本的問題
 3.4 今日の事後分布は明日の事前分布である
 4.1 精度に対する事前分布
 4.2 不良設定問題
 5.1 頻度主義の主観性
 5.2 ゼロトリック,ワントリック,WBDev
 6.1 収束を評価し改善する
 6.2 グラフィカルモデルのスクリプト
 6.3 未定義の実数の結果
 7.1 オッカムの剃刀
 7.2 ベイズ対フィッシャー
 7.3 尋常でない主張には尋常でない証拠が必要
 7.4 p値に伴う問題
 7.5 事前分布についての混乱
 7.6 事前の感度
 8.1 サンプルからの密度の推定
  12.1 汚染のモデリング
  13.1 テレパシーを語るチューリング
  13.2 ベイズ式のデータ収集の柔軟性
  13.3 退屈なベイズ
  14.1 根本的欠陥
  15.1 出たとこ勝負性
  15.2 SIMPLEモデルの修正
  16.1 応用における価値
  17.1 息の長い知識
  19.1 ベイズ式の認知モデルについてのベイズ式の統計解析

引用文献
解説
索引
訳者あとがき