序
目次

第1部 クマさんの桃源郷を探す 移動軌跡データと動物目線の動物学
1 データを観ながら現場を歩く
1.1 動物がどこに行ったか調べられる時代
1.2 動物がどこで何をしているか知りたい時代
1.3 夢のようなデータを手にする
1.4 欠損データの抽出
1.5 使いやすいデータファイル
1.6 意外と難しい移動軌跡の図示
1.7 欠損部分を表示させた経路図
1.8 好みの部分を拡大して観る
1.9 クマさんが歩いたとおりに歩きたい
1.10 クマさんが滞在した所へ行きたい
1.11 本当にクマさんが歩いた所がわからない

2 データ解析して現場に行く
2.1 点が多過ぎて見にくい
2.2 ホットスポット抽出
2.3 クラスター解析
2.4 時空間のクラスター
2.5 軌跡がみやすくなった

3 植物と動物のデータを重ねて現場に立つ
3.1 樹木の調査も始める
3.2 動物が決めた調査区
3.3 決して危険でない急斜面の調査
3.4 クマさんの軌跡に樹木の地図を重ねる
3.5 人を避けてどんぐりを食べていたい
3.6 「データを観る」は統計思考力の原点
3.7 動物目線の動物学

第1部のあとがき
第1部の参考文献

第2部 森林の長期研究 モニタリングで観る最近と年輪で観る過去
4 森林モニタリングデータと年輪データ
4.1 長期森林動態を知りたい
4.2 撹乱履歴を知りたい
4.3 年輪が語る樹木の成長史
4.4 成長の好転は撹乱の跡

5 成長が好転した時点をみつける統計モデリング
5.1 年輪データ解析の古典
5.2 木の成長に関する状態空間モデル
5.3 ベイズの定理による成長量の推定
5.4 平滑化で見える樹木の成長史
5.5 推定法の問題点
5.6 クラスター解析による撹乱履歴の推定

6 現場で検証する統計モデルによる推定法と パッチ形成過程
6.1 いつ撹乱があったかわかっている場所がある
6.2 トドマツパッチの形成過程
6.3 年輪を利用する撹乱履歴研究への指針
6.4 現場主義統計、まず自分が楽しくなくちゃ

第2部あとがき
第2部の参考文献

第3部 クローンで広がるスズランの生活史 地上の観察と地下の情報
7 スズランのお花畑で浮かぶ疑問
7.1 北の大地を埋め尽くすスズラン
7.2 草本のモニタリング調査
7.3 多年生草本とその生活史
7.4 クローナル植物が行う2つの繁殖
7.5 モニタリング調査で見えてきたスズランの生活史
7.6 遺伝子分析によるクローン識別
7.7 クローンを広げ過ぎてもいけない?
7.8 花粉が散布される距離を知りたい
7.9 フィールド調査の限界と統計モデルの役割

8 果実が実る過程の統計モデル: 最尤法と赤池情報量規準 AIC
8.1 推定と検証のための統計モデル
8.2 データ中心科学における統計モデル
8.3 花粉散布のモデル化
8.4 果実が実った割合のモデル化
8.5 パラメータの最適化: 尤度関数と最尤法
8.6 比較対照させるモデルの用意
8.7 小さいスケールのプロットも用意して調査
8.8 最尤推定値による花粉散布距離の定量化
8.9 花粉量に依存する果実の実る確率
8.10 赤池情報量規準とモデルの相対評価
8.11 モデルの検証1: 期待値と実測値の比較
8.12 モデルの検証2:翌年のデータで検証
8.13 モデルの検証3: シミュレーション

9 掘り起しによる地下情報とシミュレーションモデル
9.1 スズランを掘り起こす
9.2 掘り起こして得られた情報のデジタル化
9.3 ランダムウォークモデル
9.4 スズランの生活史に沿ったランダムウォークモデル
9.5 シミュレーションモデルと現場をつなげたい

第3部のあとがき
第3部の参考文献

あとがき
索引