ぎょーむ日誌 2004-04-22

2004 年 04 月 22 日 (木)

• 0840 起床． 朝飯． コーヒー． 0930 自宅発． 曇． 0940 研究室着．
• うう， 進捗しない．
• 苫小牧直径成長， 成長量の見直し． やはり問題になるのはイタヤカエデ一個体だけか． もし 6-9 月の成長量だけに着目するのであれば． しかし， 樹木の直径成長量って， やればやるほど不思議感が増大していくねえ． 混合モデルにて「説明」しようとしている「個体差」， こいつの正体はいったい何なのか? 人間に理解できるのだろうか．
• えーと， ど忘れしてはいかんポイントは， 尤度計算における欠側値の扱いだな． やはり計算始める前に欠側値を含む個体をぬいとかないといけない …… ということで， この混合モデル推定における， 樹木個体データ格納する list() の定義とかかわってくるのかな． そもそも list() でいいのか? えーと， list(..., list(id, data.frame()), ...) みたいなのを念頭においてるンだけど．
• 釧路大会雑用， とりあえず放置状態にしてるつもりなんだが …… 一時間のあいだに何人ものヒトが申し込むようになると， 「CGI プログラムが誤動作してないか」 とか気になるもんだ． えーい， 放置だ放置．
• で， 推定計算のほうの関数をみなおしてみると …… なんつーか， これでは混合モデルの計算手順再確認したほうがいいんでは， とゆーかんぢ．
  1. 観測年ごとに期待成長量を計算 (成長量欠測年のぞく)
  2. 1. の和をとる
  3. 観測年全体の成長量の和をとる (成長量欠測年のぞく)
  4. 2. と 3. と overdispersion パラメーターから 尤度を計算する (負の二項分布)
• 尤度計算関数なおす前に樹木データ格納する list() 書いたほうがよさそう． しかし， いったん中断して北大構内走． 曇天． 昼飯．
• sum(..., na.rm = TRUE) なる便利なのかアブないのかよーわからん option を使う， と． これで list.trees を生成していく， と． ホントは「ぬけ年」がないかどうかのチェックが必要なんだが， まあ， このデータに関してはぬけてないとわかってるんで省略する．
• ひとくぎりついたんで， 北大生協に Matt の修理ずみ Thinkpad うけとりにいくという口実で そのへんふらふらと歩いてみる． 本人は先週からアドリア海方面に出張してるもんで．
• 1840 よーやくにして optim() (R の最適化関数) に食わせるところまではできた． といっても， 12 パラメーター (!) の推定を一回だけやらせて終り， という試運転にすぎないんだけど． 1249 iteration で 7 秒ちょい (ただし Thinkpad X31 PentiumM 1.6GHz で)． これは速いのか遅いのか …… R に期待していたよりは速いけど， これからやらねばならぬ莫大な計算量を思えば， やはりぜんぜん遅い． 一時間に 500 コ程度の最適化しかできんから． たぶん最終的には 2-30000 最適化を 1 セットとして， これを何セットもやらんといかんので．
• 何セットも， というのは 「たくさん失敗するだろうからそのやりなおし」 なる意味で． 難しいデータ解析は失敗の連続になるので， 「何度でもやりなおせる」 ことがすごく重要． そのための解析行程自動化だ．
• R 上ではこれ以上は速くはならんかも …… ということで， やはり呪われ言語に部分的に依存しなければならないようだ． とはいえ， そのまえに model selector を R で書かんといかんし …… なかなかしんどいですなぁ． ともかく時間がかかろーが何だろうが， R だけで完結するシステムを作ってみるべきだな． しかし本日は撤退． 1920 研究室発． 1940 帰宅． 体重 73.2kg． 晩飯．
• [今日の運動]
  • 北大構内走 1300-1330． ストレッチング．
  • 腹筋運動 30 × 3 回． 腕立ふせ 3 × 3 回．
• [今日の食卓]
  • 朝 (0850): 米麦 0.7 合． ニンジン・タマネギ・モヤシ・煮干の味噌汁．
  • 昼 (1340): 弁当． 研究室お茶部屋． 米麦 0.7 合． ニンジン・タマネギ・モヤシ・煮干の味噌汁．
  • 晩 (2100): 米麦 0.7 合． ニラ・ピーマンの炒飯． ニンジン・タマネギ・モヤシ・煮干の味噌汁．