本書は，直接に知ることのできない状態に関する情報を解析するための基本的な方法として用いられるベイズの定理に基づく学習と，それをもとにした部分観測可能なマルコフ決定過程の基本的な結果と応用についてまとめた。

【本書の構成】
1章「確率と確率過程」：本書で必要となる確率と確率過程の基本的な用語と性質について簡単に解説する。

2章「確率的順序関係」：ベイズの定理にもとづく学習を解析する上で基本となる確率的順序関係について、とくに必要となる尤度比順序を中心に述べる。

3章「マルコフ決定過程」：多段階決定過程を解析する手法である動的計画法と最適性の原理を説明し，マルコフ決定過程の基本的性質についてまとめる。

4章「ジョブサーチと確率的逐次割当問題」：マルコフ決定過程のひとつである期待値最大化問題であるジョブサーチと確率的逐次割当問題を中心に説明する。

5章「学習と情報」：部分観測可能なマルコフ連鎖を中心に，ベイズの定理にもとづく学習による事前分布と事後分布の関係などをまとめる。

6章「部分観測可能な2状態マルコフ決定過程」：部分観測可能な2状態マルコフ決定過程として，逐次解析や探索問題をはじめ最適停止問題などについて解説する。

7章「部分観測可能な逐次割当問題」：部分観測可能なマルコフ決定過程としてジョブサーチや確率的逐次割当問題，最適選択問題を取り上げ，その基本的な性質を解析する。