1장 베이즈 추론의 배경
1.1 베이즈 추론의 시작
1.2 확률과 확률분포
1.3 통계적 개념들

2장 베이즈 추론
2.1 베이즈 추론의 구조
2.2 베이즈 추정 2.3 가능도원칙

3장 베이즈 가설 검정
3.1 사전확률, 사후확률, 베이즈 인자
3.2 단순가설 대 단순가설
3.3 단순가설 대 복합가설
3.4 정규모형의 가설 검정과 제프리스–젤너–시오우 사전분포

4장 사전분포
4.1 주관적 확률값을 이끌어 내는 방법들
4.2 주관적 확률밀도함수를 이끌어 내는 방법
4.3 무정보사전분포
4.4 제2종 최대가능도 사전분포

5장 몬테 카를로 방법
5.1 몬테 카를로 방법
5.2 몬테 카를로 방법을 이용한 사후분포의 근사
5.3 중요도추출
5.4 몬테 카를로 방법의 정확성을 높이는 방법들

6장 정규분포를 이용한 모형들
6.1 정규모형와 켤레사전분포
6.2 정규모형과 무정보사전분포
6.3 다변량정규모형

7장 베이즈 통계의 이론적 배경
7.1 결정이론의 요소들
7.2 결정규칙의 비교
7.3 대표본 사후밀도함수의 근사

8장 랜덤 숫자 발생
8.1 역함수 방법
8.2 합격–불합격 방법
8.3 정규확률변수의 생성
8.4 비율 방법

9장 마르코프 체인 몬테 카를로
9.1 서론
9.2 깁스 추출법
9.3 메트로폴리스–헤이스팅스 알고리듬
9.4 해밀턴 몬테 카를로
9.5 스탠을 이용한 사후표본의 추출
9.6 마르코프 체인의 수렴 진단

10장 최적화를 통한 베이즈 계산
10.1 EM 알고리듬
10.2 변분 방법

11장 모형 선택과 진단
11.1 모형 확률을 이용한 모형 선택과 추론
11.2 예측값을 이용한 모형 진단
11.3 DIC

12장 선형회귀모형
12.1 정규선형회귀모형
12.2 모형 선택
12.3 무정보사전분포와 사후분포
12.4 스탠을 이용한 선형모형의 적합
12.5 이항회귀모형
12.6 스탠을 이용한 이항회귀모형의 적합

13장 계층모형
13.1 쥐의 종양 자료
13.2 8개 학교 데이터

이재용

• 서울대학교 계산통계학과 졸업 (이학사)
• 서울대학교 대학원 계산통계학과 졸업 (이학석사)
• 미국 퍼듀대학교 대학원 통계학과 졸업 (이학박사)
• 현재: 서울대학교 통계학과 교수
• 저서: 『통계학의 개념 및 제문제』, 『일반통계학』, 『SPSS를 이용한 통계학』등

이기재

• 서울대학교 계산통계학과 졸업 (이학사)
• 서울대학교 대학원 계산통계학과 졸업 (이학석사)
• 서울대학교 대학원 통계학과 졸업 (이학박사)
• 현재: 한국방송통신대학교 통계·데이터과학과 교수
• 저서: 『표본조사론』, 『통계조사방법론』, 『여론조사의 이해』등