math/
├── foundations/ # 数学的基礎
│ ├── probability-theory/ # 事象・条件付き確率・独立
│ ├── random-variables/ # 確率変数と期待値・変換
│ ├── stochastic-processes/ # マルコフ連鎖, ランダムウォーク, ポアソン過程
│ ├── mathematical-tools/ # 線形代数・微積分・最適化
│ └── index.md
├── distributions/ # 確率分布と標本分布
│ ├── discrete/ # 二項分布・ポアソン分布など
│ ├── continuous/ # 正規分布・指数分布など
│ ├── multivariate/ # 多変量正規・共分散構造
│ ├── exponential-family/ # 一般化指数型分布族
│ ├── sampling-distributions/ # 標本分布, CLT, 漸近理論
│ └── index.md
├── inference/ # 推定と検定
│ ├── estimation/ # 点推定・区間推定・MLE
│ ├── hypothesis-testing/ # 検定の考え方, 適合度検定
│ ├── estimation-vs-testing/ # 検定と推定の対応
│ │ ├── 01_pvalue_and_asa.ipynb
│ │ ├── 02_ci_vs_cri.ipynb
│ │ ├── 03_lrt_wald_score.ipynb
│ │ └── 04_critiques_alt.ipynb
│ ├── model-selection/ # AIC, BIC, WAIC, LOO
│ └── index.md
├── computational-methods/ # 計算統計学
│ ├── sampling/ # MC, 重要サンプリング, Rejection
│ ├── mcmc/ # Metropolis, Gibbs, HMC, 診断
│ ├── abc/ # Approximate Bayesian Computation
│ ├── variational-inference/ # 平均場近似, ELBO
│ ├── em-algorithm/ # EM, mixtureモデル推定
│ ├── bootstrap/ # リサンプリング
│ └── index.md
├── modeling/ # モデル化の構造
│ ├── principles/ # モデル化の思想, DGP, latent vs observed
│ ├── regression/ # 回帰 = モデル化の基本形
│ │ ├── linear/ # 線形回帰 (頻度論/ベイズ)
│ │ ├── glm/ # 一般化線形モデル
│ │ └── hierarchical/ # 階層モデル・階層ベイズ
│ ├── latent-variable-models/ # 混合分布, 因子分析, HMM, LDA
│ ├── graphical-models/ # DAG, MRF, Factor Graphs
│ ├── dynamic-models/ # 時系列, 状態空間, ODE, SDE
│ ├── spatial-models/ # 地理空間データ, CAR/SAR, Gaussian Process
│ ├── bayesian-nonparametrics/ # DP, GP, IBP
│ ├── survival-and-event-history/ # 生存時間モデル, Cox, ハザード
│ ├── point-processes/ # 点過程 (Hawkes, Cox)
│ ├── robust-modeling/ # 外れ値, Heavy-tailed
│ └── mechanistic-and-agent-based/ # SIR, ABM
└── applications/ # 応用ノート（ドメイン例）
├── regression/ # 実データでの回帰・GLM・階層ベイズ
├── multilevel-models/ # 集団データ・教育/医療
├── causal-inference/ # DAG, 交絡, 感度分析
├── missing-data/ # 欠測と測定誤差
├── survival/ # 疫学・臨床データ
├── spatial/ # 空間疫学
└── index.md