rsync
かけて作業場を移す.
以前は銭湯「江札湯」があったところは いまや和風居酒屋 (やや高級感演出) になってしまい,そこで豚肉しゃぶしゃぶの一次会でした. 目撃者のハナシによればワインなどかなりお召し上りになってしまって, ですね …… ○○さんウォッチャーたちの 「追いコンで相転位が発生することは間違いないけれど, それは二次会以降であろう」 という事前の予測を上まわってしまいました. 一次会終了時点でのご様子は, 外形標準的には泥酔したヒトかつ 彼女らしい言動の増幅というかんぢに近いんですけど, ときどき数十秒間正気になったり, また元にもどったり,と振幅の激しさが観察されました. で,二次会に行く・行かない発言もころころ変わって北 12 条駅の階段を 上がったり下がったりすること数度. 最後は 南北線 に乗ったんですけれど, すすきのでは下車拒否して, そのまま自宅とは反対方向の真駒内方面へ ……どうなってしまったんでしょうか. つきそいの浦口さんがいたからだいじょうぶだとは思うんだけど.
xyplot()
系という便利なんだけど難解な作図関数にはナヤまされる.
今回の進歩としては,
panel.superpose()
の使いかたと,
par.strip.text
まわりが少々わかってきた,
というところなんだが
……
前途遼遠.
しかも
xyplot()
でどんな複雑な作図でもコナせるわけでないのかも,
という気もしてきた.
何もかも panel
に渡すわけにはいかんよーなので.
ということで,
par(mfrow = ...)
とふつーの作図関数の
こんびねいしょんワザでやっつけたほうが速いかも,
と考えてる作図問題もあったり.
xyplot()
]
latex2rtf
にかけてみた.
latex2rtf
するまえに
*.aux
&
*.bbl
ファイルなどを
make
とかで生成しておく.
出力された
RTF
ファイルは投稿用というか受理後の印刷原稿用には十分,
というかんぢだ.
ただし別行数式と図表はかなりダメ.
しかし印刷原稿用なら問題ない
……
というのも,
どうせ MS 数式オブジェクトなどという
奇妙な埋め込みデータなんかは
印刷屋さんが削除するからだ
(とはいえ,
ちかごろの数式掲載の書籍にはこれを修正せず
そのまま使ったものが
散見されるけれど
……
学術誌ではまず見かけない).
そして
RTF はテキストエディターで自由に編集できる
(私はバイナリーファイルだと思ってた).
すくなくとも
Vim
では OK で,
これで開くとタグが色つきになる.
glmmML()
ではうまく計算できない例なのか?
mixed model でかえって
尤度とかかなりよろしくない,
という状況なんだよね.
start.sigma
とかにも依存するし.
うーむ
glmmML()
が計算してくれたランダム変量の期待値が処理ごとに偏っている.
おそらく「シャーレごとにばらつきがある」
という仮定が適切ではないんだろーな
(それからモデルはやや複雑であるのに対して
使えるデータ数もびみょーな気がする).
むしろ
「種子ごとにばらつく」
というのがマシな考えだという気がするんだけど,
これはちょいたいへんになるんで,
今回は見送るか,
というところ.
glm()
による予測と実際の発芽数を比較すると
……
とりあえずの近似としては,
まあまあよくできてんぢゃなかろーか,
ということで.
残ったパラメーター数は 4.
これをいろいろな日数にかけて合計したものが,
この統計モデルの線形予測子である.
glmmML()
ふたたび.
今度は各シャーレだけでなく,
各観測日でもランダム変量が入る,
と仮定するモデリング
……
お,
今回は呪われぎみな状況に陥らずに最尤推定値が得られたぞ.
よしよし.
glmmML$frail
が処理ごとにひどく偏ってる.
で,
これの線形予測子と発芽数の関係を調べてみると
……
やはりダメだな.
MASS
ライブラリ中の
glm.nb()
を使ってみたんだけど
……
なるほど推定結果そのものはよくなる.
Variance は Poisson で期待されるときの
約 1 + 2μ 倍だ
(θ = 0.53).
しかし,
この関数というかオブジェクトって,
offset
つけた状態で stepAIC
にほうりこむと,
いまいち挙動がヘンという気がする.
まあ,
あえて使うこともないかなぁ.
ちょっと放置することに.
treatment
を独立変数としてふつーの
glm()
にほうりこんでみる.
これは,
いわば実験処理日数の足し算 & 引き算の組み合わせでは
説明しきれんかった非線型なる部分を押しこんでしまう項だ.
で,
やってみると線形予測子がかなり改善された.
あいかーらず overdispersion ではあるけれど.