第1章　ベイズ統計学のエッセンス
　1.1　ベイズ統計学の位置付け
　1.2　変数の変換と一般化線形モデル
　1.3　対数尤度関数
　1.4　本書の構成
　コラム：探索的データ解析

第2章　MCMCをExcelで
　2.1　なぜサンプリングが必要か
　2.2　メトロポリス・ヘイスティングス・アルゴリズム
　2.3　Excelへの実装
　2.4　 未知の関数を近似する
　コラム：RとRStanの環境設定

第3章　やさしく読み解く階層ベイズ
　3.1　顧客の価値を評価する　
　3.2　顧客への理解を深めていく
　3.3　MCMCでパラメータを推定する
　3.4　階層ベイズのメリットは何か
　コラム：ベイジアンネットワーク

第4章　ベイズ流の柔軟な仮説の検証
　4.1　統計学の応用分野の拡大と仮説検定
　4.2　選挙の事前調査
　4.3　ウェイト集計の仮説検定
　4.4　重回帰モデルの偏回帰係数の比較
　コラム：機械学習におけるベイズ統計学

第5章　予測分布を使って不確実性を計算
　5.1　予測について
　5.2　予測分布とは
　5.3　ラーメン屋の利益の計算
　5.4　クーポン付きダイレクトメールの割引率
　コラム：多重共線性とベイズ統計学

第6章　状態空間モデルによる時系列分析
　6.1　時系列モデルと時系列ではないモデル
　6.2　状態空間モデルで時点間の関係を表現する
　6.3　時系列データによる広告効果の測定
　6.4　RとStanによる状態空間モデルの実行
　コラム：先験的な事前分布の活用

第7章　Rによる行列とベクトルの計算
　7.1　売上データの分析
　7.2　統計分析と行列・ベクトル
　7.3　射影行列
　7.4　RからStanへの行列とベクトルの受け渡し
　コラム：Rのベクトル至上主義

付録　ベイジアンネットワークのビジネスへの応用
　コラム：ベイジアンネットワーク構築支援システム BayoLink

索引