ぎょーむ日誌 2005-01-(11-20)
2005 年 01 月 11 日 (火)
2005 年 01 月 12 日 (水)
-
0700 起床.
朝飯.
コーヒー.
0900 自宅発.
曇.
0910 研究室着.
-
いかん,
昨日の「宿題」について,
あれこれ調べて時間をくってしまった.
-
ぱいぷ樹木原稿なおしにとりくむ.
-
操さんのゐんどーづ 98 印刷問題.
ドラヴァーは入手・インストールできるが
(OS の CD-ROM 併用せねばならぬ),
TCP/IP 経由の印刷ができん.
hlprmon
(まだあったのか!)
使えばなんとかなるんだろうけど,
次第にめんどうになってきたので
……
A801 がらくた置場でパラレルポート用プリンターケイブルを発見し,
それでぢかづけにしてしまう.
とりあえず,
一件落着.
-
ぱいぷ原稿なおしの途中だけど昼飯.
外はまた雪.
-
ぱいぷ原稿なおしのつづき.
-
1930 ひとまづ終了.
ばてた.
甲山さんの趣味でバイオマスとかが面積あたりに換算されてしまって
きしょく悪いのだけど,
まあどーでもいいや,
ということで.
-
1950 研究室発.
2010 帰宅.
体重 74.4kg.
運動.
晩飯.
-
[今日の運動]
-
エアロバイク 50 分間.
-
腹筋運動 30 ×
3 回.
腕立ふせ 5 ×
3 回.
-
[今日の食卓]
- 朝 (0740):
米麦 0.7 合.
タマネギ・ニンジン・ジャガイモ・豆腐のカレー.
- 昼 (1340):
研究室お茶部屋.
米麦 0.7 合.
タマネギ・ニンジン・ジャガイモ・豆腐のカレー.
- 晩 (2250):
米麦 1.0 合.
ニラ卵炒飯.
ネギ・油揚・煮干の味噌汁.
2005 年 01 月 13 日 (木)
-
0720 起床.
朝飯.
コーヒー.
洗濯
……
この洗濯機,
全自動ということになっているんだが,
脱水時の振動感知センサー (もしくは回転軸)
がおかしくなってて,
何度も何度も洗濯漕内「質量再分配」やらないと
脱水してくれないのである.
時間かかる.
0920 自宅発.
曇.
0930 研究室着.
-
まあ,
提出までまだ時間ありそうなんで,
ぱいぷ樹木原稿のバグとり.
モデルがこれほど面倒になると
文芸的プログラミング
(literature programming)
ってのをやりたくなりますよ
(しかし
CWEB
とか使うのはイヤだなぁ).
-
昼飯.
昼飯後にくだんの plotnet 消耗品を講座内で
消耗してもらう手はずをととのえて,
メイリングリストで連絡.
でぢかめ用コンパクトフラッシュメモリーが人気のよーで.
-
またぱいぷ樹木原稿.
-
げ.
私はいままで植物細胞ってミトコンドリアがないモンだと思っていた.
これは
まちがい
なわけで.
うーむ
……
いや,
いままで非同化器官の呼吸の実体は何なんだろう,
とかねてから疑問には思っていたんだけど
(つまり葉緑体が「光合成機能つきミトコンドリア」
だと誤解してたということ).
-
甲山さんとぱいぷ樹木原稿だしいれに関する相談.
甲山さんは 1/15-1/23 はインドネシア出張なんだが
……
なんだか,
けっきょく帰国後にどうこう,
いう方向に.
-
空腹になったので撤退.
お茶部屋で
「えーっ?
こんなに早く帰るんですか?」
と院生たちの批判さらされてから
1820 研究室発.
雪.
1900 帰宅.
晩飯.
休憩.
運動.
-
甲山さんからメイルいただき,
Springer 社は LaTeX
入稿 OK とのこと.
さすが
……
というか,
理系出版業界国際寡占企業のそこぢから,
というところでしょうか.
まあ,
LaTeX なければ数式組版どーすんだよ,
というのは素朴なる疑問ではありますが.
-
数式まわりその他の面倒を解決してくれる
Tex & LaTeX,
これも同時にまた
アタマいたいところを含んだシステムではあるんだが
……
これはソフトウェアの欠陥というより,
そもそも数式いやいや文字・記号を紙面にみばえよく配置する,
という組版技法そのものが呪われノウハウのかたまりであるから,
という指摘もある.
-
[今日の運動]
-
エアロバイク 50 分間.
-
腹筋運動 30 ×
3 回.
腕立ふせ 5 ×
3 回.
-
[今日の食卓]
- 朝 (0810):
米麦 0.4 合.
ネギ・油揚・煮干の味噌汁.
- 昼 (1310):
研究室お茶部屋.
米麦 0.5 合.
ネギ・油揚・煮干の味噌汁.
- 晩 (1940):
米麦 1.0 合.
ネギ・油揚・煮干の味噌汁.
2005 年 01 月 14 日 (金)
-
0720 起床.
朝飯.
コーヒー.
0900 自宅発.
晴.
0910 研究室着.
-
ぱいぷ樹木原稿なおし.
-
1140 ひと区切りついたんで,
とりあえず本文だけ印刷しようとしたら
……
A802 印刷機,
トナーぎれ (CANON LBP-2810 用 EP-86 ブラック)
か.
北大生協
に問い合わせ.
到着するのは明日かあるいは明後日,
ということのよーで.
いやはや,
敗因は
「トナーカートリッジ再生」忘れ.
うう.
-
代替機たるべき A801 の古い印刷機 LP-9200PS2
は全体に印字がウスい,
とのこと
……
いろいろ調べてみたんだけど,
いまいちよくわからん.
設定の問題ではないんで,
セレンドラム劣化かレーザー照射まわりのよごれだろうと思うんだけどね.
うーむ.
-
昼飯.
-
ぱいぷ樹木原稿はいったんおいて,
数日前の宿題あれこれ
に着手してみる.
まずは空間相関問題から.
おそらく pseudo likelihood なるコトバが初めてでてきたらしいあたり
(Besag, J.E. 1975. Statistical analysis of non-lattice data. Statistician 24: 179-195)
を.
-
けっこう難しくて苦闘する.
これってひょっとして,
-
CAR と SAR の区別は重要であり,
Besag は CAR のほうが良さそうだと思ってる
---
SAR でうまくいかない例が知られている
-
どちらもまともな計算がたいへん
(1975 年あたりのハナシ)
なので coding 技法や pseudo likelihood で回避する
というハナシだろうか.
-
1700 から研究科セミナーにでてみる.
大気海洋専攻科のヒトたちは温暖化あれこれから逃れられず
(実際のところそうでもないのかもしれない
……
たとえば生態学研究者だからといって皆が皆
「保全」やってるわけでもないし),
また研究科の劇ヘン COE だの外部からの委託研究もあるんで,
二酸化炭素をめぐる国際的なやりとり調べました,
というもの.
-
で,
あれこれ議定書だの合意だのが成立・不成立していった経緯みたわけだが
……
やってる当事者たちって絶対これゲイム感覚で楽しんでるよ.
いや,
そーゆーいんたーなしょなるかけひきで遊んでもらうのは,
おおいに結構なことだと思うんだけど
(人死・破壊のない戦争みたいなもんだし),
科学者だの何だのはそれにまきこまれてふりまわされてる感あるな
(むろん科学者の中にも喜々としてこれに没頭するもの多数).
ちなみに発表者の山中さんは,
深度数千メートルの海中に
二酸化炭素を超臨界 (高温&高圧) 状態で投棄したときに,
それをふくむ「水塊」がどうもぞもぞとうごめきまわるのか,
を計算しておられるそーだ.
-
どーもこういう「環境」バナシになると冷静でいられない科学者が,
まわりの建物にもたくさんいるよーで
……
自分は自分は自分は以前からこういった問題主張してきたと繰り返し,
もっと (上記いうところの「ゲイム」) 科学者は「アタマつっこめ」
と主張するせんせーだの,
海洋投棄ゆるすまじ文明のありかたを変えろとの
神意を代読する神官あり
……
-
ともかく,
現在の「勝負のながれ」は,
今後数百年にわたって
地中海中に莫大な炭酸ガスながしこみが必要不可欠,
ということになってるらしい.
これらにくらべれば「省エネ」なんてたいしたことないわけで,
ということになっている.
-
1840 終了.
工藤さんの AppleMail 設定に苦闘する.
以前に雪野さんの AppleMail でさんざんじたばたしたんで,
かんたんかんたん,
と思ったんだけど,
これは難問だった.
問題の hardware & software をもちいて,
久保アカウント & パスワードなら問題なくサーヴァーに接続できる.
しかし,
工藤アカウント & パスワードは受けつけない.
アカウントもパスワードも正しい
(これは旧マシン上の Eudra で検査できた).
うーむ,
また「宿題」になってしまった.
-
M2 平林さんからハチ訪花データ解析プログラム
(in R)
の改良依頼.
ちょっといままでとは異なる種類のデータを追加したい,
ということなンだが
……
なんというか,
再送していただいたゑくせるファイルの内容が
以前とはびみょーに異なるのである.
むろん莫大なデータなので「目で見て」
チェックすることは完全に不可能なんけど,
その R プログラムにつけている「エラーチェック」
機構が数千行の中にある数ヶ所の異常を発見
(ただしこれはエラーチェックプログラムによって発見できる
間違いだけ).
-
そのあたり平林さんと相談しつつススめる.
けっきょくゑくせるで新しくごちゃごちゃ手作業したファイルは使わないことに.
以前の,
「エラーチェックずみ」データに含まれる情報をうまく利用して,
新しく調べたい情報を抽出していく R 関数を作った.
今回のところは,
これで完全にうまくいった.
-
ということで今期修論においても,
修論生から
「ゑくせるによるデータ加工はわけわからなくなりがち」
という証言 (本人の自由意志によるもの)
が得られた.
じっさいのところ,
ちょっと複雑になるとあちこちに間違いが混入するわけで.
ということで,
ゑくせるでごちゃごちゃと数値をいじくるのはヤメてください.
入力したらあとはぜんぶ R でやればヨシ.
-
ばてた.
2240 研究室発.
2250 帰宅.
運動.
晩飯.
-
えー,
私の「葉緑体ミトコンドリア兼用説」が
話題
になってしまっているよーですが
……
しかしこの怪説のおかげで,
「なぜ植物の系統樹構築には mtDNA 情報があまりもちいられないか」
がわかった.
ngt さんが解説してくださったところによると,
動物の mtDNA と違い進化速度が遅い,
動物の mtDNA と比べ長い遺伝子間領域あり構造変異が大きい,
ゲノムサイズが 10-100 倍大きい
(200k-2000k),
などの理由があるそうです.
-
しかし同 BBS の他のご指摘は何やら,
高校教育が悪いだの
植物系統学者たちは全員責任とれだの
奇矯なコトいって人を驚かせてやれだの
世の中を騒がせるものばかりのようです.
われわれ科学者は老荘の教えをもっとよく学び,
「無為」の道をいき天地の調和を実現しなくてはなりません.
「名人伝」
に記される弓矢の名人のごとく,
「ミトコンドリアも葉緑体も見わけがつかない無念無想の境地」
に到達しえてこそ生物学古今無双の達人
ではありますまいか.
-
[今日の運動]
-
腹筋運動 30 ×
3 回.
腕立ふせ 5 ×
3 回.
-
[今日の食卓]
- 朝 (0800):
米麦 0.7 合.
ピーマン卵炒飯.
- 昼 (1330):
研究室お茶部屋.
「北欧」カレーパン.
- 晩 (2330):
食パン.
トマト・ピーマン・豆腐のスープ.
2005 年 01 月 15 日 (土)
-
0740 起床.
朝飯.
コーヒー.
怠業.
あっ,
Huygens
が無事にタイタンに着陸!
おお,
これがメタン雲の底にひろがる大地か
……
ところで,
「ホイヘンスの原理」のホイヘンスが土星と何か関連あるのか
わからなかったんだけど,
調べてみたら彼は光学おたくとでも言うようなヒトで
自作望遠鏡でもって土星の輪とタイタンを発見したそーで.
カッシーニのほうは,
言うまでもなく「すきま」の発見者.
-
1140 自宅発.
晴.
1155 研究室着.
しかしすぐに空腹になってしまったので昼飯.
-
昨日からのつづきで,
空間相関な統計モデルの勉強のつづき.
おもに見ている文献は
-
Besag, J.E. 1974.
Spatial interaction and the statistical analysis
of lattice systems.
Journal of the Royal Statistical Society B 36:192-225
-
Besag, J.E. 1975.
Statistical analysis of non-lattice data.
Statistician 24: 179-195
-
Ripley, B.
1981.
Spatial Statistics.
Wiley.
-
Cressie, N.A.C.
1993.
Statistics for spatial data.
Wiley.
-
間瀬茂,
武田純.
2001.
空間データモデリング -- 空間統計学の応用.
共立出版.
-
で,
空間自己回帰モデル (spatial autoregressive model)
に関する現時点での私の理解なんだが
……
-
大原則として,
空間上の「点」間に相互作用がある場合には,
これはことごとく Gibbs 過程によって生成されたもの,
と考える
-
したがってこれを解析するモデルはすべて Gibbs 過程を
前提においたものとなる
-
autoregressive model が扱うのは
マルコフ確率場
(Markovian Random Field; MRF)
である
---
MRF は離散空間上の有限範囲ポテンシャル関数をもつ
Gibbs 点過程である
(cf. Hammersley-Clifford theorem)
-
MRF におけるある「パターン」
w
の出現確率は
P{w} = exp(Q(w)) / Σu exp(Q(u))
ここで Q(w)
は負のポテンシャル関数である
---
この P{w}
が MRF で定義される尤度である
-
この尤度を数値的に計算するために,
こんにちでは Markov Chain Monte Carlo
(MCMC) 法を用いることが多い
-
しかし昔は計算がたいへんだったので coding 法や
maximum pseudo likelihood estimation (MPLE) が用いられた
-
MPLE の推定値は「良い」性質をもちうるので,
こんにちでも使われている
……
というあたりか.
-
さて,
simultaneous autoregressive (SAR)
と
conditional autoregressive (CAR)
の相違なんだが
……
えー,
じつはこのあたり昨日ごろまでたいへんカンちがいをしておりまして
……
現時点の理解では SAR と CAR の違いは一点のみ,
ということで.
SAR は CAR を簡単にしたものであり,
SAR ⊂ CAR
という含有関係にある.
では,
その違いとは何か?
-
MRF の例として auto-gaussian process を考えてみよう.
これが CAR なモデルで表現するとなると,
ある場所 x の平均・分散両方が x 周辺の状態の関数となっている,
ということになる.
場所 x での確率変数は多変量正規分布から得られる乱数ヴェクトルの
一要素である.
-
これにたいして SAR は平均だけが周辺から影響される.
つまり,
SAR でもまた多変量正規分布を考えているわけだが,
その分散・共分散行列の共分散要素がすべてゼロ
……
いやいや,
そうではなさそうな.
なんだか奇妙な確率分布だ.
しかし,
Ripley 本によると
``Any SAR process is a CAR process with ...''
とのことで両者の関係は複雑なものではない,
と示されている
……
うーむ.
-
ハナシが飛んでるみたいだけど,
MCMC 法でもって
これらの多変量正規分布の乱数標本セットを生成せしめる
Gibbs sampler を考えてみよう.
たぶん,
そのほうが理解しやすい.
CAR モデルにおいては,
ある場所 x の Gibbs sampler は多変量正規分布のもとで決まる
条件つき一変量正規分布
(平均・分散どちらの計算にも分散・共分散行列が必要)
として表現される.
SAR の Gibbs sampler も一変量正規分布ではある.
しかしながら,
その平均は x 周辺に依存するけれど,
分散のほうは常に変わらぬ定数のまま
……
そういったモデルだ.
-
ともあれ,
CAR / SAR どちらの process も MRF であり Gibbs process である.
最尤推定したければ MCMC 法を使えばよい (使ってもダメかも?).
-
そしてどちらも maximum pseudo likelihood estimation
を適用できる
……
CAR は多変量正規分布の最尤というか
最大化 pseudo likelihood 推定となり,
SAR は最小二乗法みたいなもの,
になる.
-
で,
SAR の場合,
相互作用の部分をある簡単なカタチで書けるならば,
MPLE から最尤推定値 (MLE) を推定できるよーなことが書かれているな
……
Ord (1975) の方法 in Ripley 本.
-
Ord, K. 1975. Estimation methods for models of spatial interaction.
Journal of the American Statistical Association 70: 120-126.
-
……
とゆーことは,
苫小牧
の平尾君の質問の核心たる
「
R
の
spdep
の
lagsarlm()
関数でやってる SAR プロセスの最尤推定ってのはいったい何なのか?」,
この宿題の答えがわかってしまった !!
……
それは上の Ord (1975) の方法による
最尤推定だ (つまりこれは pseudo likelihood estimation ではない).
-
では,
Ord (1975) の方法が要請するモデルの単純化とは何か?
それは
help(lagsarlm)
(in spdep
package)
で表示されるように,
Maximum likelihood estimation of spatial simultaneous
autoregressive lag and mixed models of the form:
y = rho W y + X beta + e
where $\rho$ is found by 'optim()' using method "L-BFGS-B" first
and $beta$ and other parameters by generalized least squares
subsequently. In the mixed model, the spatially lagged independent
variables are added to X.
ここで W
が既知の定数行列
(すなわち距離荷重行列)
であり,
rho
が最尤推定されるべきパラメーター
のひとつ (事象発生の空間相関をあらわすスカラー),
というふうに分解できるモデルにしなさいってことだ.
こういうふうにモデルを限定 (すなわち簡単化)
してしまうと,
MCMC 法つかわずとも空間相関のパラメーターを最尤推定できる.
そういうことだ.
いやー,
いっけんらくちゃく.
-
まあ,
なんとなく
CAR のほうが「自然」なかんぢのするモデルなんだけど,
SAR は上のような使いみちがあるというところに存在意義がある
(改造しやすい?),
ってことなのかな.
-
というような内容を平尾君に送って,
とりあえずの回答とする.
-
でその後も Gibbs 過程がアタマの中でちかちかと明滅する世界に没入
……
-
2130 研究室発.
2150 帰宅.
体重 74.0kg.
運動.
晩飯.
-
さーて,
明日はセンター試験監督,
か.
うだうだしてたらすっかり夜おそくなってしまった.
-
[今日の運動]
-
エアロバイク 50 分間.
-
腹筋運動 30 ×
3 回.
腕立ふせ 5 ×
3 回.
-
[今日の食卓]
- 朝 (0820):
食パン.
トマト・ピーマン・豆腐のスープ.
- 昼 (1250):
研究室お茶部屋.
食パン.
- 晩 (2440):
蕎麦.
トマト・ピーマン・豆腐のスープ.
2005 年 01 月 16 日 (日)
-
0700 起床.
さっさと寝ようとしたんだけど,
なかなか眠れんかった.
朝飯.
コーヒー.
0810 自宅発.
曇.
0825 センター試験会場着.
-
0930 より試験開始.
どうもこの教養建物,
せまい部屋に 50 人以上すしづめ,
しかも責任のがれ的な高温暖房 (25°C
よゆーで突破),
受験生も監督もたいへんだ.
本日は国語,数学 (1),数学 (2),公民で 1635 終了.
今回は「台本よみ」はじめてやらされた.
数学 (1) と公民で.
-
国語の時間は空間相関問題かんがえてた.
もちこんだ統計学論文ちらちらと「かんにんぐ」しつつ.
SAR モデルはやっぱりヘン,
というかすくなくともここまでのぎょーむ日誌に書かれてる
Gibbs sampler はヘンだという気がする.
これじゃ sampler が「暴走」するんではなかろーか.
-
受験生の目をあざむくのは簡単だけど,
試験場主任監督の目をあざむくのは難しいので,
数学 (1) から試験問題の暗算にとりくんでみる.
これはけっこういい時間つぶしになる.
数学 (1) は確率の複合問題とかあったりで面白いけど難しそう.
午後の数学 (2) のほうが,
むしろ教科書的というか考えなくてもとけるようなものばかり.
公民は問題があまりおもしろくないのでぱらぱら見ただけ.
-
1645 釈放.
1700 研究室着.
しかしばてた.
雑談メイル書きなど.
-
1950 研究室発.
2010 帰宅.
運動.
晩飯.
-
明日は試験監督の振替休日 (今回からこうなった),
なんだが
……
しかしプリンターのトナーがくるはずなんで休めませんなあ.
-
[今日の運動]
-
腹筋運動 30 ×
3 回.
腕立ふせ 5 ×
3 回.
-
[今日の食卓]
- 朝 (0720):
食パン.
- 昼 (1220):
試験監督控え室.
「きゃら亭」幕の内弁当.
[監督控え室]
「センター試験監督なんてやだやだー」
とだだをこねるせんせーがたをなだめるためのお菓子など.
- 晩 (2300):
食パン.
ジャガイモ・ニンジン・タマネギ・エノキダケ・豆腐のカレー.
2005 年 01 月 17 日 (月)
-
0830 起床.
朝飯.
コーヒー.
いちおー「振替休日」
1030 自宅発.
雪.
1040 研究室着.
-
さっそく北大生協から新品トナー
(CANON LBP-2810 用 EP-86 ブラック)
とどきました連絡あったんで,
カラになったやつもって取りに行く.
新品トナーは 32000 円 (!) ほど.
リサイクルは 1F 文具コーナーでおねがいするんだが,
お値段 26000 円 (!!) ほど.
10 日ほど要するらしい.
とりあえず新品をもちかえりプリンターに装着する.
動作問題なし.
-
さて,
合計 6 万円弱の支払いだが
……
リサイクルのほうは,
研究費の使途に困っておられるというウワサの
PD 石井さんにおしつけてみる.
ありがたくも引き受けていただいた.
さて,
残りは
……
とりあえず三浦さんが出勤する日をまってお尋ねしてみますか.
-
振替休日なのでなにか「休日らしい」ことを,
ということでお茶部屋の流しのつまりを解除.
昼飯.
外はあいかわらず雪.
-
また北大ネットとらぶる.
工藤さんが PID のパスワードを勝手に初期状態にもどされてしまった,
とか.
つまり先週の金曜日に苦労した AppleMail 問題の解はこのあたりにありそうな
……
しかしあまりにも挙動不審なので
hines@iic.hokudai.ac.jp
に問い合わせをだす.
私が憶測する真の原因:
HINES がサーヴァー管理をまたしくじっている.
私が憶測する回答内容:
原因不明でした.
-
む.
今回はすぐさま回答してきた.
ただしお電話で
……
要約すると,
サーヴァー側ではそんなことやってない.
メイルクライアントに問題あるんではないか.
しゃーないんで工藤さんにお尋ねしてみると,
こちらも問題ないというような
……
私は Eudora-4.2J に何か問題あり,
同時に HINES メイルサーヴァーにもおかしなところがあるように思う.
しかし真相は薮の中.
-
苫小牧
の平尾君から教えていただいたところによると
……
なんでも大阪大会での村上さん・平尾君発表にいつのまにやら
私の名前までついていた,
という
……
これって計算も何もできてないハナシなんだが,
と思いつつ
apparent competition
(AC)
のべんきょうなどしてみる.
-
うーむ,
こういう実験で「AC 検出しました」
ってことになるのかしらん?
いささかアヤしいよなぁ.
では苫小牧データならより良い結果えられるかというと,
そうでもなく
……
というのも,
前に書いたよーに苫小牧の寄生蜂-宿主-エサの関係って,
いままでわかってるかぎりでは
萬屋モデル (parasitioid control) というより
松木モデル (host food control)
なかんぢの時間変動がみられるからだ.
宿主のエサの時間変動が無視できん環境下で
寄生ハチの影響を抽出すんのは至難ですよ.
-
ということで AC はほうりだして,
平尾君修論の空間相関データ解析計算法の改善の検討に専念してみる.
来週発表せんといかんそーで.
-
「振替休日ですから」
という口実で早々に撤退.
1820 研究室発.
1830 帰宅.
空間相関データ解析の検討と改善策のメイル書き.
運動.
晩飯.
-
[今日の運動]
-
[今日の食卓]
- 朝 (0900):
米麦 0.5 合.
ジャガイモ・ニンジン・タマネギ・エノキダケ・豆腐のカレー.
- 昼 (1330):
研究室お茶部屋.
米麦 0.8 合.
ジャガイモ・ニンジン・タマネギ・エノキダケ・豆腐のカレー.
- 晩 (2330):
米麦 1.0 合.
ジャガイモ・ニンジン・タマネギ・エノキダケ・豆腐のカレー.
2005 年 01 月 18 日 (火)
-
0830 起床.
0840 自宅発.
曇.
0855 研究室着.
朝飯.
コーヒー.
-
R
雑メモ.
help.start()
するとそれいこうの help()
は web browser に表示される.
便利かどーか微妙なところだけど,
help 中に他関数などへのハイパーリンクができるので,
多少は便利かも.
Linux などなら $HOME/.Rprofile
中に options(browser = "ぶらうざへのパス")
を書けば起動前に help 用 browser を指定できる
(私のは default 値が /usr/bin/mozilla
だった).
-
何やらメイルかきなど.
わけわからん紙きれもいっぱいくる.
「裁量労働従事者自己診断カード」だの
(何かの責任のがれになるんでしょうなぁ),
研究費の利息 (たぶん数百円だろう)
を辞退しますだの.
-
ぱいぷ樹木原稿なおし.
なおしというか debug.
-
が,
いくつか問題点をなおしたとこでとどこおる.
ということで,
鹿児島研究会の報告用要旨でっちあげ,
という雑用ににげこむ.
締め切りつき何かが目の前から消失するのは,
些事であってもココロに落ちつきをもたらす.
-
うーむ,
plotnet アヤしげ予算の消化がまだ必要?
しかも中間監査は本日だってさ
……
私はかんけーないけど.
-
てなかんぢで終ってしまって
昼飯.
今日は院生密度がたいへん低い.
おそらく講座セミナーやる小菅せんせーが,
みんなの食べものに毒でもまぜたんじゃなかろーか.
内容を隠匿するのではなく,
聞き手の数をへらす
(甲山さんインドネシア出張の日程も
小菅せんせーによる操作があったのだろう),
という逆転の発想.
おそろしいことです.
-
plotnet 予算すりつぶしの面倒は D3 赤坂君におしつけてしまう.
ちょうど C-N コーダー消耗品を発注することになってたよーで.
役たたずな測定機械 (久保評)
だけど,
今回はめずらしく貢献してくれそうだ.
-
1500 講座セミナー,
本日は小菅せんせーでユキザサの移植実験とそれが繁殖にあたえる影響.
小菅せんせー,
今回もじつに心理学的盲点をつく撹乱とゆーか
……
モデルを複雑化して聞き手を撹乱させる
(この複雑化の技法は洗練されたもので,
データ解析にくわしくないヒトなら
それが作為であることをみぬけない
--- つまり結果がなぜこのようにややこしくなるのか理解できない),
他人の PC を資料投影用に借用して「もとデータみせてみろ」
追及を「ここにはない」とかわす,
不慣れなマシン上の「事故」によって見せるべき結果が
「なくなってしまった」
ことにされてしまう,
独特の話術で疲労させ感情的にすることで聞き手からの追及のポイントをずらす
……
といったあたりか.
-
対生態学研究者の心理戦専門家である私の分析では,
ここで示された実験データから隠匿ノイズをのぞくと,
全 200 個体を一元的に扱うような
簡単な一般化線形混合モデルの一族を使った解析に統合できる,
とわかった.
セミナー中に簡単に指摘してみたけど,
ささっと逃げられてしまったので,
セミナー後に本人の身柄をおさえようとしたんだが
……
すでにこの建物からは姿を消したあとで,
逆に私を足どめするために小菅せんせーが準備した
「難しい質問をもつ M2」
に拘束されてしまった.
うーむ,
してやられた
……
-
ということで,
立花さんの 2 倍体 4 倍体混合かつ多遺伝子座かつ栄養繁殖ありの
遺伝統計学難問にとりくむ.
多遺伝子座の heterozygosity
は一遺伝子座の場合の定義を自然に拡張すれば,
導出できる.
「でも有性繁殖しない植物ではこれでもマチガイなんですよね?」
という鋭い指摘にふりーづしてしまう
……
解決策おもいつかないので,
とりあえず,
4 倍体の場合の電気泳動結果のよみとりだの,
場所によるサンプリング方法のちがいなど
周辺情報を教えてもらう.
-
で,
夜になってもこの問題とけずにヨワりきった
タイミングをみはからったかのよーにして,
小菅せんせーがもどってくる.
とりあえず
あんなややこしい解析はやめてもっと簡単に GLMM でできるだろう,
と指摘すると,
ああそんなの自分で簡単にできますできます,
と言いながら去っていった.
あとから気づいたんだが,
これはいつもの時間かせぎではないか?
またしてもやられてしまった.
-
うーむ,
plotnet 中間監査は「これ以上,『消耗品』かうな」
なる判定か
……
さてさて,
どうしたものやら.
もはやばてたので撤退.
2130 研究室発.
2140 帰宅.
晩飯.
苫小牧空間相関メイルかき.
地震.
多遺伝子座 & 栄養繁殖 4 倍体問題,
少しだけ進展する.
電気泳動で「見える」のは 4 倍体の対立遺伝子セットで,
ハプロイドの遺伝子セットは特定できない
……
このあたり,
利用できるのではないか?
-
しかし,
「そもそも有性繁殖 (減数分裂) しない 4 倍体のはぷろいど,とは?」
と考えるとわけわからんな.
架空の世界にすら gene pool が存在しない?
gene pool を構成する要素が 4 倍体なのか?
-
[今日の運動]
-
[今日の食卓]
- 朝 (0920):
研究室お茶部屋.
「北欧」サンドイッチ.
- 昼 (1310):
研究室お茶部屋.
米麦 0.7 合.
ジャガイモ・ニンジン・タマネギ・エノキダケ・豆腐のカレー.
- 晩 (2300):
米麦 1.0 合.
チンゲンサイ・モヤシ・ニラ・マイタケ・卵の炒めもの.
2005 年 01 月 19 日 (水)
-
0830 起床.
朝飯.
コーヒー.
朝から昨日の倍数体問題にとらっぷされてしまう.
0930 自宅発.
晴.
0940 研究室着.
またしても倍数体問題の迷宮に.
-
うわ.
再投稿論文の査読,
か
……
再投稿のをみなおすのは久しぶりなんだけど,
なんだかイヤだな.
しばらく放置.
-
苫小牧 M2 平松さんの
R
作図問題質問
……
ふたつあり,
片方はくだんの選点直交多項式を含むもの.
とりあえず,
簡単なほうから.
-
しかしこれにもけっこう時間くってしまう.
とりあえずできたぶんだけ送信.
昼飯.
-
平松さん宿題のつづき.
こんどは難しいほう.
ちょっとやってみて,
選点直交多項式を前面にもちだすのは得策ではない,
と気づいた
……
なんとならば,
宿題のぽいんとは
「あるデータと
glm()
など使って
モデルの推定
→
そのモデルに別のデータをいれて応答をみる」
というものだ.
ならば,
ほかにやりようが,
ある.
-
それは関数
predct.glm()
を使う方法だ.
以下の例をみてもらえば分かると思う.
# てきとーデータの作成
x <- seq(0, 1, length = 100)
y <- rbinom(length(x), 1, prob = 1 / (1 + exp(5 - 10 * x)))
data.xy <- data.frame(x, y)
r <- glm(y ~ x, family = binomial, data = data.xy) # 推定
# 作図
plot(x, y, pch = "|") # もとデータ
lines(x, r$fitted, col = "#ff4000") # fitted の表示
# 予測とその図示
x.new <- c(0.4, 0.5, 0.6) # この値について推定されたモデル (r) の応答を見たい
y.predicted <- predict.glm(
r, # これが推定されたモデル
newdata = data.frame("x" = x.new), # data.frame のカタチでわたす
type = "response" # !!! 必要 !!!
)
points(x.new, y.predicted, col = "blue", pch = 19, cex = 2)
2005 年 01 月 20 日 (木)
-
0700 起床.
朝飯.
コーヒー.
輪読会予習.
0820 自宅発.
雪.
0830 研究室着.
輪読会予習.
-
1000
Life History Evolution in Plants
輪読会,
本日は第一章 Modularity and plant life histories
で担当は M1 石橋君.
まあ,
いつものごとく本人の性格がでる内容紹介になる.
この章ではもぢゅーるの階層性と資源分配について,
いっけん具体的に述べてるようにみせかけて,
じつはかなり抽象的なハナシだ.
ぱいぷ樹木なんぞで電気盆栽やってる私には興味ぶかいものであったが,
ふつーの植物生態学な院生には
「何のためにこんなこと説明してんの?」
というような内容である.
1230 ごろいいかげんに終了.
-
今冬もまたユニさんが講座にやって来た.
昼飯調達のため北大生協へ.
外はあいかわらずの雪.
ついで書籍部.
お,
バクスターの「プランク・ゼロ」(ハヤカワの SF 文庫)
がまだ残ってた (同社は近ごろ絶版速度がひどく高い).
書籍部わりびき券あったんでそれで購入.
研究室もどって昼飯.
-
いかん.
なんかアタマが集団遺伝学問題の重力井戸に落ち込んでしまう.
どこにも書いてないけど (ホントか?),
集団の分化ぐあい
GST
ってのは,
最尤推定 (になってるのか?) された「架空の全集団」
と各分集団の「距離」の平均値,
みたいなもんですな,
と考えるとまだしも受けいれやすい.
heterozygosity の「差」を距離とする論法は,
まったくのナゾというほかないけれど.
-
このヘンの古典的統計量が難解な和・差の操作を中心に構成されていて,
確率分布とか情報量などがもちいられていない.
その理由はいろいろあるんだろうけれど
……
おそらく (これまたどこにも書かれていないような気がするが)
いちばん下らない理由は,
「標本 = その分集団の完全なセット」
とみなすモデルを採用しているから,
というものだろうな.
それのどこがいかんのだっ,
とつるしあげをくらいそうだけど
……
分集団によっては
まいなーな対立遺伝子の存在確率がゼロにおちこむ
(現実にそうかもしれないし,
単なる「標本とりそこねか」かもしれない).
すると確率論的距離の計算が無理っぽくなってくる.
まあ,
どーしてもこの路線でいきたければ,
混合モデルにしてランダム変量を導入
(ベイズモデルにして事前分布を導入,でもほぼ同じことだが)
すりゃあいいんだろうけど
(つまり「標本とりそこね」でむりやり何もかも説明してしまう)
……
このあたりの具体的な定式化のアイデアがないな.
局所的分集団とやらの集団サイズが必要になりそうだし
(それもランダム変量 or 事前分布化で回避できる?).
-
そして,
ちょっと前の平尾君 (苫小牧のほう)
とのやりとりでだいたいわかったよーに,
空間相関ある問題はすべて確率場 (random field)
の計算に帰着されるべきで
……
そうでない手法,
たとえばぎぶす分布は無視して
観測パターンそのまま代入するのは pseudo likelihood
法,
ということになる,
と.
pseudo likelihood 法でも推定計算すりゃあいいぢゃん,
というご指摘もあるだろーけど,
そのあとの処理はどうしたらいいかわからん.
-
このアイデアを煮つめていくと
……
「局所的無限集団」という奇妙な考えをもちこむことによって,
ひかくてき面倒すくなめにて MCMC 法による確率場の計算できる,
とわかった.
分集団間・倍数体間の「相互作用」なーんてのも推定可能,
か.
うん.
今日もアタマがおかしいな.
-
いや,
べつに局所的有限集団だっていーんですよ.
そうする場合には,
いんちきくさい集団サイズと突然変異率がさらに必要になっちまうけど.
あ,
「分離」してからの世代数とかもいりようでございますかね?
-
といったあたりを考えて,
本日の集団遺伝学相談.
しかし,
上述のよーな random field な集団遺伝モデルはコワくて言いだせなかった
……
-
本日あきらかになったあれこれ.
``通俗的'' な多遺伝子座
GST
「平均化」計算はどれがマシということはない.
理由はいづれもひとしく無根拠だから.
それっぽい「検定用統計量」のテイをなしていればなんでもよい.
-
heterozygosity の時間変化.
集団サイズ N の二倍体集団では一世代に
1 - 1 /(2 N) ずつ heterozygosity が減少する.
これが四倍体集団では
1 - 1 /(4 N) となる.
では,
四倍体であって有性生殖しない自殖集団であれば
(そういう状況で heterozygosity 計算する意味は何か?
というつっこみもアリだと思うが)
……
1 - 1 / N か?
ぢつはこれはそう簡単ではない.
四倍体でなく二倍体であっても難しい
(半数体ならこれで正しい).
答えがわからん.
-
というような集団遺伝学塹壕戦でばててしまって
2210 研究室発.
2230 帰宅.
運動.
晩飯.
-
[今日の運動]
-
腹筋運動 30 ×
3 回.
腕立ふせ 5 ×
3 回.
-
[今日の食卓]
- 朝 (0730):
米麦 0.7 合.
ニラ卵炒飯.
- 昼 (1340):
研究室お茶部屋.
北大生協サンドイッチ.
- 晩 (2340):
米麦 1.0 合.
タマネギ・ピーマン・ブナシメジ・豆腐のビーフシチュー.
ただし肉ぬき.