1. マルコフ連鎖モンテカルロ法入門　
1.1　マルコフ連鎖　
1.2　モンテカルロ法　
1.3　マルコフ連鎖モンテカルロ法

2. MCMCによる母数推定の実際　
2.1　ベイズ推測におけるMCMCの利用　
2.2　ギブスサンプラーによる回帰モデルの推定　
2.3　複合MCMCによる項目反応モデルの推定　

3. 収束判定およびモデルの妥当性の検討
3.1　収束判定のための方法　
3.2　モデルの良さを検討するための方法　

4. SEMにおけるベイズ推定　
4.1　一般的なSEMのベイズ推定　
4.2　順序カテゴリカルSEMのベイズ推定　
4.3　潜在混合モデリング　
4.4　欠測データのあるSEM　

5. MCMCの応用　
5.1　ロジスティック回帰モデル　
5.2　メタ分析　
5.3　多項ロジットモデル　
5.4　対数線形モデル　
5.5　ポアソン回帰　
5.6　2値データに対する回帰分析　
5.7　トービット回帰モデル　
5.8　変曲点のある回帰分析　
5.9　生存時間分析(ワイブル回帰)　
5.10　生存時間分析(コックス回帰)　
5.11　時系列モデル　
5.12　分散分析　
5.13　分散成分分析　
5.14　分散分析(枝分かれ配置)　
5.15　一般化可能性理論　
5.16　反復測定データの分散分析　
5.17　階層線形モデル　
5.18　項目反応理論(2母数2値モデル)　
5.19　項目反応理論(段階反応モデル)　
5.20　項目反応理論(名義反応モデル)　
5.21　項目反応理論(部分採点・評定尺度モデル)
5.22　項目反応理論(連続反応モデル)
5.23　多次元IRT
5.24　項目反応理論(混合名義反応モデル)　
5.25　項目反応理論における特異項目機能(DIF) の分析　
5.26　正規混合モデル　
5.27　潜在クラス分析　
5.28　成長曲線モデル　
5.29　非線形成長曲線モデル　
5.30　因子分析　
5.31　多母集団分析　
5.32　非線形SEM　

6. BRugs入門　
6.1　BugsとBRugs　
6.2　“model”　
6.3　“data”　
6.4　“inits”　
6.5　パッケージ“BRugs”の関数　
6.6　BRugsの使用例　

7. ベイズ推定における古典的枠組み　
7.1　正規モデル
7.2　回帰モデルにおけるベイズ分析
　
文献　
索引