豊田　秀樹 　著

内容

目次

　目　　次 まえがき　　ⅰ 第1章　大学生は18禁映像をどれくらい見ているか ――2要因配置のAR法―― 　1.1　AR法とは 　1.2　データの収集 　1.3　結果1と課題 　1.4　モデル 　　1.4.1　混合分布 　　1.4.2　2要因配置 　　1.4.3　事後分布 　1.5　結果2 と考察 　1.6　後日談 　1.7　付録 第2章　血液型と性格には関連がある？ ――ベイズ的アプローチによる再分析―― 　2.1　調査データ 　2.2　有意性検定の結果 　2.3　事後分布 　2.4　ベイズ分析の結果 　2.5　結語 　2.6　付録 第3章　阪神ファン－巨人ファンの2大勢力構造は本当か？ ――Non-Zero過剰分布と多次元展開法を用いた感情温度の分析―― 　3.1　本章で扱うデータとモデル 　　3.1.1　感情温度 　　3.1.2　多次元展開法　23 　3.2　確率モデル 　　3.2.1　感情温度の測定モデル 　　3.2.2　多次元展開法 　3.3　分析結果 　　3.3.1　推定結果 　　3.3.2　等高線を利用したプロ野球球団への社会的態度の可視化 　3.4　まとめ 　3.5　付録 第4章　ことばの背後にある意図を探る傾向の個人差 ――2項分布を用いた間接的要求の解釈率のモデリング―― 　4.1　問題の背景 　　4.1.1　間接的発話行為 　　4.1.2　間接的発話の理解における個人差とその測定 　4.2　2項分布 　4.3　調査データ 　4.4　解釈率が個人ごとに異なると仮定した2項分布による分析 　　4.4.1　モデルの仮定 　　4.4.2　分析結果と結果の解釈 　4.5　解釈率が異なるグループの存在を仮定した混合2項分布による分析 　　4.5.1　モデルの仮定 　　4.5.2　分析結果と結果の解釈 　4.6　まとめと今後の課題 　4.7　付録 第5章　音声から感情はわかるか？ 　5.1　音声への感情の表れ 　5.2　音声データ 　5.3　記述統計量 　5.4　ベイズ法による分析（乱塊計画） 　5.5　結論 　5.6　付録 第6章　男心をくすぐるデート戦略 ――時間で変化するデートの魅力を階層ベイズでモデリング―― 　6.1　遅延価値割引 　6.2　デート予定の選択実験 　6.3　データの確認 　6.4　遅延価値関数と階層ベイズ 　　6.4.1　今日デートする魅力 　　6.4.2　時間で変化する後日のデートの魅力 　　6.4.3　モデル式の展開 　　6.4.4　ソフトマックス行動選択 　　6.4.5　階層ベイズモデル 　6.5　制限付き総和型わくわく割引モデルの結果 　6.6　総和型わくわく割引モデルの結果 　6.7　考察と結論 　6.8　付録 第7章　心の旅が始まる ――観光のイメージの世代間比較―― 　7.1　個人差多次元尺度構成法 　7.2　モデル 　7.3　技術的な制約 　7.4　データ 　7.5　結果と考察 　7.6　まとめ 　7.7　付録 第8章　傾いた文字は正しい文字か？　鏡文字か？ ――心的回転課題の反応時間を説明する混合プロセスモデル―― 　8.1　心的回転とは 　8.2　傾いた文字の正像・鏡像判断 　8.3　混合プロセスモデル 　8.4　指数－正規分布でノイズを表現する 　8.5　階層ベイズモデルで個人差を表現する 　8.6　データの収集と分析の実行 　8.7　推定結果 　8.8　まとめ 　8.9　付録 第9章　己の「歌唱力」を推定する ――カラオケ採点データを用いたベイズ統計モデリング―― 　9.1　平均得点の推定 　　9.1.1　対策1：打ち切られた「真の総合得点」を推定する 　　9.1.2　対策2：打ち切りデータが発生する確率を利用する 　9.2　これからも100点を取れるのか 　9.3　まとめ 　9.4　付録 第10章　オンライン調査における回答項目数のモデリング 　10.1　モデリング対象のデータ 　10.2　モデル1：回答するページ数が打ち切り幾何分布に従うモデル 　10.3　モデル2：教示の効果を表現できるよう改善したモデル 　10.4　モデル3：回答するページ数の影響を表現できるよう改善したモデル 　10.5　まとめとモデルの改良について 　10.6　付録 第11章　歴代M-1グランプリで最もおもしろいのは誰か 　11.1　おもしろさを推定するモデル 　11.2　コンビ平均モデル 　11.3　審査員のくせ評価モデル 　11.4　審査員の基準効果モデル 　11.5　開催回数効果モデル 　11.6　まとめ 　11.7　付録 第12章　顔は口ほどではないが嘘を言う ――SDT，MPTによる二値データのモデリング―― 　12.1　情動体験の弁別実験 　12.2　等分散を仮定した信号検出理論の階層モデル 　12.3　ベータ分布を用いた多項過程ツリーの階層モデル 　12.4　信号検出理論による結果 　12.5　ベータ多項過程ツリーモデルの結果 　12.6　考察と結論 　12.7　付録A 　12.8　付録B 第13章　集団メンバーの消極的な発言は他メンバーのパフォーマンスを低下させるか ――参加者間計画の心理学実験で得られた集団データの分析―― 　13.1　仮説の設定 　13.2　実験の組み立てと事前の分析計画 　13.3　実際の実験手続き 　13.4　事後的な分析計画の修正 　13.5　モデル式の組み立て 　13.6　結果 　13.7　考察 　13.8　付録 第14章　いつになったら原稿を書くのか？ ――執筆量モニタリングにおける変化点検出―― 　14.1　執筆量モニタリング 　14.2　執筆量データ 　14.3　データの可視化 　14.4　変化点検出モデル 　14.5　いつになったら本格的に原稿を書き始めるのか？ 　14.6　おわりに 　14.7　付録 第15章　探すのに集中しているときとそうでないときで何が違うのか？ ――指数－正規分布の階層モデリング―― 　15.1　伝統的な反応時間の分析方法 　15.2　指数－正規分布の利用 　15.3　使用するデータの概要 　15.4　階層モデルの利用 　15.5　推定結果 　15.6　最後に 　15.7　付録 第16章　あなたの英語，大丈夫？ 　16.1　外国語における語用論 　16.2　語用論的能力を信号検出モデルで表現する 　16.3　データの収集と分析 　16.4　やはり語用論的適切性の判断は難しい 　16.5　付録 第17章　心理療法の介入効果 ――構造方程式モデリングによる改善要因の検討―― 　17.1　データ 　17.2　潜在曲線モデル 　17.3　分析結果 　17.4　結語 　17.5　付録 第18章　本当に麻雀が強いのは誰か？ ――ディリクレ分布を用いた雀力のモデリング―― 　18.1　麻雀データとは 　18.2　ディリクレ分布を用いた麻雀データの生成 　18.3　雀力の比較 　18.4　まとめと限界 　18.5　付録 第19章　男女間のナルシシズム傾向の差の検討 ――性別によるDIFを統制したベイズ項目反応モデル―― 　19.1　はじめに 　19.2　ナルシシズム測定尺度について 　19.3　分析目的と分析データ 　19.4　項目反応モデル 　19.5　通常の項目反応モデルの分析結果 　19.6　性別効果検討のための拡張項目反応モデル 　19.7　拡張項目反応モデルの分析結果 　19.8　おわりに 　19.9　付録 索引