ベイズ統計学を基礎から解説，Pythonで実装。マルコフ連鎖モンテカルロ法にはPyMC3を活用。〔内容〕「データの時代」におけるベイズ統計学／ベイズ統計学の基本原理／様々な確率分布／PyMC／時系列データ／マルコフ連鎖モンテカルロ法
1.　「データの時代」におけるベイズ統計学
2.　ベイズ統計学の基本原理
　未知の比率に対する推論
　ベイズの定理による事後分布の導出
　未知のパラメータに関する推論
　将来の確率変数の値の予測
　付録（損失関数に対応した点推定の導出／SDDRの導出）
3.　様々な確率分布を想定したベイズ分析
　ポアソン分布のベイズ分析
　正規分布のベイズ分析
　回帰モデルのベイズ分析
　付録（ポアソン分布に従う確率変数の予測分布の導出／正規分布に従う確率変数の予測分布の導出／回帰係数と誤差項の分散の事後分布の導出／回帰モデルの予測分布の導出）
4.　PyMCによるベイズ分析
　ベイズ統計学とモンテカルロ法
　PyMCによる回帰モデルのベイズ分析
　一般化線形モデルのベイズ分析
5.　時系列データのベイズ分析
　時系列データと状態空間表現
　状態空間モデルに関する推論
　PyMCによる状態空間モデルのベイズ分析
　付録（カルマン・フィルターの導出／予測分布の導出／カルマン・スムーザーの導出）
6.　マルコフ連鎖モンテカルロ法
　マルコフ連鎖と不変分布
　メトロポリスーーヘイスティングズ・アルゴリズム
　ギブズ・サンプラー