序

0 序章
0.1 意外と難しいランダムな点配置の作成
0.2 ランダムな点配置の作成マニュアル、
0.3 面積 100に100個なら密度は1.0か
0.4 馴染みにくいポアソン分布の式...
0.5 カウントデータとポアソン分布..
0.6 本書の構成と目標...

1 ポアソン分布の2つの起源
1.1 ランダムな点配置の一部はどうなっているか
1.2 大きな点配置のごく一部はどうなっているか
1.3 2項分布から導かれるポアソン分布
1.4 ランダムに起こるイベントから出てくるポアソン分布
1.5 ランダムなイベントから導かれるポアソン分布
1.6 ランダムなイベントの定義:定常ポアソン過程
1.7 ポアソン分布に従う乱数の作成

2 ポアソン分布モデルと最尤法
2.1 本数/面積は密度か
2.2 統計モデルの根底にあるもの: 確率分布
2.3 未知パラメータの推定:尤度と最尤法
2.4 ポアソン分布モデルの尤度
2.5 モデルでデータを説明できるか1
2.6 統計モデルと確率分布
2.7 ポアソン分布の期待値と分散
2.8 不偏推定量: 分散の推定はn-1で割る理由
2.9 モデルでデータを説明できるか2
2.10 最尤推定値は最も尤もらしいだけではない1
2.11 最尤推定値は最も尤もらしいだけではない2
2.12 モデルでデータを説明できるか3

3 ポアソン回帰モデルと赤池情報量規準(AIC)
3.1 時間当たりのイベント数データ
3.2 花の数というカウントデータ
3.3 ポアソン回帰モデル
3.4 モデルの相対評価ー赤池情報量規準 AICー
3.5 カテゴリカルデータに対するポアソン回帰モデル
3.6 ポアソン回帰モデルでデータを説明できるか
3.7 ポアソン分布で説明できない現象
3.8 「正解」のないデータ解析

4 AICの根拠をシミュレーションで納得する
4.1 統計モデルと真のモデル
4.2 カルバック・ライブラー情報量
4.3 平均対数尤度
4.4 ポアソン分布モデルの平均対数尤度と最大対数尤度
4.5 パラメータが2つ以上あるモデルの平均対数尤度と最大対数尤度の差
4.6 シミュレーションで見えてきた AICの根拠

5 空間点過程モデルの第1歩:非定常ポアソン過程
5.1 場所によって密度が異なっている点配置
5.2 密度が変化しているとき全体で何個の点があるか
5.3 非定常ポアソン過程
5.4 点過程モデルが難しい理由
5.5 非定常ポアソン過程の尤度関数
5.6 木の配置と環境要因
5.7 統計モデルで見えてくる種特性
5.8 正解はなくてもモデルを創る

あとがき
参考文献
索引