「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