1 離散型データ事例：多項ベイジアンネットワーク
1.1 事例紹介：交通手段に関する調査
1.2 グラフィカル表現
1.3 確率的表現
1.4 パラメータの推定：条件付き確率表
1.5 DAG 構造の学習：検定とスコア
1.5.1 条件付き独立性検定
1.5.2 ネットワークスコア
1.6 離散型データでベイジアンネットワークを使ってみよう
1.6.1 DAG 構造を使って
1.6.2 条件付き確率表を使って
1.7 ベイジアンネットワークの図示
1.7.1 DAGs の図示
1.7.2 条件付き確率分布の図示
1.8 参考文献
2 連続型データ事例：ガウシアン・ベイジアンネットワーク
2.1 事例紹介：作物の収穫量に関する分析
2.2 グラフィカル表現
2.3 確率的表現
2.4 パラメータの推定：相関係数
2.5 DAG 構造の学習：検定とスコア
2.5.1 条件付き独立性検定
2.5.2 ネットワークスコア
2.6 ガウシアン・ベイジアンネットワークを使ってみよう
2.6.1 厳密推論
2.6.2 近似推論
2.7 ガウシアン・ベイジアンネットワークの図示
2.7.1 DAGs の図示
2.7.2 条件付き確率分布の図示
2.8 補足説明
2.9 参考文献
3 混合（離散・連続型）事例：条件付きガウシアン・ベイジアンネットワーク
3.1 事例紹介：健康管理にかかるコスト
3.2 グラフィカルおよび確率的表現
3.3 パラメータの推定：混合回帰
3.4 DAG 構造の学習：検定とスコア
3.5 条件付きガウシアン・ベイジアンネットワークを使ってみよう
3.6 参考文献
4 時系列データ：ダイナミック・ベイジアンネットワーク
4.1 事例紹介：ドモティクス
4.2 グラフィカル表現
4.3 確率的表現
4.4 ダイナミック・ベイジアンネットワークの学習
4.5 ダイナミック・ベイジアンネットワークを使ってみよう
4.6 ダイナミック・ベイジアンネットワークの図示
4.7 参考文献
5 より複雑な事例：汎用ベイジアンネットワーク
5.1 事例紹介：救命救急科の待ち時間
5.2 グラフィカルおよび確率的表現
5.3 Stan を使ってモデル構築
5.3.1 データの生成
5.3.2 変数に関する確認
5.4 Stan を使ったパラメータ推定
5.4.1 参考文献
6 ベイジアンネットワークの理論とアルゴリズム
6.1 条件付き独立とグラフィカルな分離
6.2 ベイジアンネットワーク
6.3 マルコフブランケット
6.4 モラルグラフ
6.5 ベイジアンネットワーク学習
6.5.1 構造学習
6.5.2 パラメータ学習
6.6 ベイジアンネットワーク推論
6.6.1 確率的推論とエビデンス
6.6.2 信念更新のアルゴリズム
6.7 因果ベイジアンネットワーク
6.8 ベイジアンネットワークの評価
6.9 参考文献
7 ベイジアンネットワークのためのソフトウェア
7.1 R パッケージの概要
7.1.1 deal パッケージ
7.1.2 catnet パッケージ
7.1.3 pcalg パッケージ
7.1.4 abn パッケージ
7.2 Stan と BUGS ソフトウェアパッケージ
7.2.1 Stan の特徴概要
7.2.2 MCMC サンプリングによる推論
7.3 その他のソフトウェアパッケージ
7.3.1 BayesiaLab
7.3.2 Hugin
7.3.3 GeNIe
8 実社会におけるベイジアンネットワークの応用
8.1 プロテインシグナルに関するネットワークの学習
8.1.1 ガウシアン・ベイジアンネットワーク
8.1.2 遺伝子表現の離散化
8.1.3 モデルの平均化
8.1.4 有意水準の閾値の選択
8.1.5 介入データの取り扱い
8.1.6 ネットワークへのクエリ
8.2 人体組成に関する予測
8.2.1 本研究のねらい
8.2.2 予測的アプローチに関する計画
8.2.3 候補となるベイジアンネットワークの探索
8.3 参考文献
付録 A グラフ理論
A.1 グラフ，ノード，そしてアーク
A.1.1 グラフの構造
A.2 参考文献
付録 B 確率分布
B.1 一般的特徴
B.2 周辺分布と条件付き分布
B.3 離散型分布
B.3.1 二項分布
B.3.2 多項分布
B.3.3 その他の一般的な分布
B.4 連続型分布
B.4.1 正規分布
B.4.2 多変量正規分布
B.4.3 その他の一般的な分布
B.5 共役分布
B.6 参考文献
付録 C 付録 C ベイジアンネットワークの覚書き
C.1 ベイジアンネットワークとベイズ統計学
用語集
参考文献
