内容説明
複雑に絡み合ったデータから，いかにその意味を抽出するか．多変量解析の新しい姿を提示する．まず脳科学から通信解析とますます注目される「独立成分分析」の手法を開発者自らが解析し，さらに医療分野では必須となる「因果推論」の話題を気鋭の著者らが論じる．また補論として，その分野に関わる重要なコメントを付す．※この電子書籍は「固定レイアウト型」で作成されており，タブレットなど大きなディスプレイを備えた端末で読むことに適しています．また，文字だけを拡大すること，文字列のハイライト，検索，辞書の参照，引用などの機能は使用できません．
目次
第１部 独立成分分析とその周辺（甘利俊一）┴1 信号の混合と分離 独立成分分析の枠組み┴2 問題の定式化┴3 独立成分分析，主成分分析，因子分析┴4 確率変数の従属性コスト関数┴5 最急降下学習法┴6 自然勾配学習法┴7 独立成分分析における最急降下学習┴7.1 学習アルゴリズム┴7.2 非ホロノームアルゴリズム┴7.3 白色化 独立成分の数が少ない場合┴8 推定関数と学習アルゴリズム┴8.1 推定関数┴8.2 推定誤差┴8.3 推定関数を用いた学習アルゴリズム 学習の安定論┴8.4 標準推定関数とニュートン法┴8.5 諸パラメータの適応的決定┴8.6 雑音のある場合の推定関数┴8.7 観測信号の数が少ないときのスパース解┴9 独立成分の逐次的抽出┴9.1 キュムラントに着目した抽出┴9.2 確率分布とコスト関数┴9.3 白色化した2段階アルゴリズム┴9.4 独立成分の同時抽出┴10 信号の時間相関を利用する方法┴10.1 相関行列の同時対角化┴10.2 時間相関がある場合の推定関数┴11 時間的な混合とデコンボリューション┴12 画像の分解と独立成分解析┴参考文献┴第２部 構造方程式モデリング，因果推論，そして非正規性（狩野裕）┴1 因果推論 何が問題か┴2 検証的因果推論 パス解析┴3 探索的因果推論 共分散選択┴4 構造方程式モデリング┴4.1 構造方程式モデリングとは┴4.2 実 例┴4.3 統計的推測┴5 因果の大きさを正確に測定する┴5.1 交絡変数の影響┴5.2 個体内変動と個体間変動┴5.3 誤差を制御する┴6 因果の方向を同定する┴7 回帰分析の役割┴7.1 偏回帰係数の価値┴7.2 因果分析と予測┴7.3 直接効果の評価┴7.4 総合効果の評価┴8 非正規性の問題┴9 構造方程式モデリングの役割 まとめに代えて┴参考文献┴第３部 疫学・臨床研究における因果推論（佐藤俊哉・松山裕）┴1 因果を探る┴2 因果モデル┴2.1 反事実┴2.2 因果効果と交絡┴2.3 交絡要因と交絡の調整┴2.4 喫煙は調整すべき交絡要因か┴3 因果グラフ┴3.1 因果グラフの基礎┴3.2 交絡と因果グラフ┴4 因果パラメータの推定┴4.1 曝露や治療が1回限りの場合┴（a）層別解析による方法┴（b）傾向スコア┴（c）操作変数法┴4.2 時間依存性治療に対する因果効果の推定┴（a）構造ネストモデル┴（b）周辺構造モデル┴5 因果は巡る┴参考文献┴補論A 分布の非正規性の利用（竹内啓）┴補論B 多次元ARモデルと因果関係（石黒真木夫）┴索引
