ぎょーむ日誌 2005-02-26

2005 年 02 月 26 日 (土)

• 0900 起床． 朝飯． コーヒー．
• 昨日， 試験監督ぎょーむの最中に整理した 空間相関推定の問題について再検討する …… EM アルゴリズムがいちばん無難そうに思える． しかし， これを Bayes 推定するならどうすべきなのか， そのあたりいまいちよくわからん． 対応関係が気になる．
• 1215 自宅発北大構内走． 晴． 1310 帰宅． 体重 75.0kg． うーむ， この体重の増えかたは …… 食べすぎというより， よけーな筋肉がついてる， と考えたほうがわかりやすいような気がするんだけど． どうなんだろ． 昼飯．
• 1640 自宅発． 曇． 札幌駅まわりの本屋をふらふらと． 1720 研究室着．
• えーと， spamassassin に手動で学習させんのは sa-learn --spam dir (dir は spam の入ったディレクトリ) とすればよさそーで．
• 午前中にひっかかったべいぢあん問題， 答えのひとつがわかった． Gilks (1992) の adaptive rejection sampling (ARS) というアルゴリズムだ …… 内容を理解すんのに数時間を使ってしまった． いや， それほど難解なものではないんだけど， 「これでホントに計算できるのか?」 というところでツマってしまって． いまやその手口は把握できた …… と思うわけだが， それでもなおすごくめんどくさいものに思える． 未知確率分布を「包みこむ」 (というところからしてうさんくさいのだが) 凸包を iterative にややこしくしつつ乱数を生成させる， という手法． よくもまあ， こんなの考えつくもんだよ．
• 実際に使われてるのかしらん， と調べてみると …… R の MCMCpack の説明を見なおしてみると， こいつは計算のしんどい急所では Metropolis sampler を使ってるよーだ (ポテンシャルを対数化して計算するのかしらん?) …… ああ， ARS のめんどさを考えると， もういっそのことめとろぽりすで， と考えるのもたしかにもっともなことだ． 状況に応じて Gibbs sampler も使ってるな． 再生性のある確率分布なら， それもいいだろうね．
• どうやら， ``Bayesian inference Using Gibbs Sampling'' あるいは BUGS あるいは WinBUGS として著明なべいぢあんソフトウェアは Gilks 近傍で開発されてるだけあって， ARS を採用してるよーで．
• 以上をまとめると， べいづ推定の途中でめんどうな乱数発生が必要になった場合に， とりうる手段としては，
  • その部分に再生性あるんなら まとめてしまって Gibbs sampler
  • Adaptive rejection sampler
  • Metropolis sampler
  などなどを使え， ということのよーで． Logistic なモデルだと， ARS か Metropolis sampler しか使えん …… たいていのポアソン分布モデルとかでも同様かも．
• 2130 研究室発． 2140 帰宅． 晩飯．
• [今日の運動]
  • 北大構内走 55 分間．
• [今日の食卓]
  • 朝 (0930): 米麦 0.7 合． ジャガイモ・タマネギ・ニンジン・海藻・煮干の味噌汁．
  • 昼 (1400): 蕎麦．
  • 晩 (2240): 米麦 0.9 合． ジャガイモ・タマネギ・ニンジン・海藻・煮干の味噌汁． ニラ・卵の炒めもの．