ぎょーむ日誌 2003-02-21

2003 年 02 月 21 日 (金)

• 0820 起床． 朝飯． コーヒー． 0900 自宅発． 晴． 0910 研究室着．
• さっさと終わらせたいけど， なかなか終わらぬ査読報告作成． 不調だ．
• 逃亡先のお茶部屋で PD 石井さんから統計学質問． それについてよくよく考えてしまう． ああ， なぜだろう．
• 1240 北大構内走発． 1315 もどる． 昼飯． お茶部屋ではなぜか昆虫話題でもりあがってる．
• 時間を限って午前中の問題に着手してみることに． 1340 着手． 一般化 Poisson モデルの計算プログラムできた． といってもいつものごとく NelderMead.pm モジュールに問題を解かせているだけなんだが． 1515 計算終了．
• しかし標本数が少ないときは Poisson モデルのパラメーターって ばらつくもんだねぇ …… かなり驚いた． これは離散確率分布だから， ということなんだろうか? 今後はこれまでより推定値のばらつきにも注意するようにしよう．

[推定値のばらつき]

非定数項パラメーターの 真の値が {0.35, 0.30} (青線) である 一般化線形な Poisson モデルの 推定値のばらつき． 標本数 90 を 100 セット使って 推定値のばらつきを調べた． ナナメ線は傾き 1 …… つまりこれより上にある点は 推定値1 < 推定値2 である．

• で， 面倒なのは resampling 法にもいろいろあるってことで．
  • 真の確率モデルからの生成 (ランダムサンプリング): 上の図．
  • Jacknife 法: ある標本集団 (サイズ N) から 1 個ぬいた集団 (サイズ N-1) を使って再推定， を繰り返す．
  • Bootstrap 法: ある標本集団 (サイズ N) から反復を許す再抽出によって サイズ N の標本集団を作りなおすこと．
• Jacknife ってのを初めてやってみたんだけど， これは上ほどばらつかない …… ということで， よい方法なのかどうか不明．
• というような推定値のばらつきに驚きつつあれこれ調べていると …… えーい， 結局のところ午後はこれで終わってしまいましたよ． かなりだめだめ状態．
• いやはや状態で撤退． 1950 研究室発． 2000 帰宅． 体重 73.2kg． そして体重は増える．
• ぎょーむすすまないなぁ．
• [今日の運動]
  • 北大構内走 1240-1315． ストレッチング．
• [今日の食卓]
  • 朝 (0830): 米麦 0.6 合． ハクサイ・ピーマン・エノキダケ・豆腐・アサリのカレー．
  • 昼 (1315): 弁当． 研究室お茶部屋． 米麦 0.6 合． ハクサイ・ピーマン・エノキダケ・豆腐・アサリのカレー．
  • 晩 (2020): 米麦 0.8 合． ハクサイ・ピーマン・エノキダケ・豆腐・アサリのカレー．