ぎょーむ日誌 2005-05-05

2005 年 05 月 05 日 (木)

• 0850 起床． 朝飯． コーヒー．
• さっさと研究室にいってヤル気がでないアレを …… という抑圧された心理状況のもとでこそ現実逃避的な思考が暴走し， その結果としてアタマの中が整理される瞬間が到来するのかもしれん …… 昨日は EM アルゴリズム の使いかたについて理解がススんだわけだが， 今朝は べいづ推定 方面で． あれこれ面倒きわまりない問題， たとえば鍋嶋さんの苫小牧樹木直径成長モデルみたいな難問を どうやって計算すりゃいいのか， というやりかたがわかった (今回のは変則わざではなく教科書的なんだが)．
• 生態学ではよくあることなんだが …… たくさんの樹種とかについて調べるのはいいとして， 問題は樹種によってさんぷる数が異なる， ということである． しかも野外調査なもんだから同じ樹種の中でも個体ごとの差位は重要である． こっちは混合モデル (mixed model) の中で random effects としてあつかう． とすると， ですよ …… 樹種ごとのパラメーター推定すんのがイヤなら， 「樹種」 なるアヤしげな概念も random effects にしちまえ (個体差・樹種差を二重混合モデルにする) というのはかなり自然な考えかただろう …… こういうことをやってるやつはあまり多くないんだが (たぶん本邦では皆無)．
• で， 二重 (あるいは多重) 混合モデルなんかは数値積分とか (まぁふつーは) できんから， べいぢあんな推定となり， ここでも MCMC 法うならせて乱数列をはきだすわけだ． おそらく Gibbs sampler を構成するのは難しいだろうから Metropolis-Hastings algorithm でも使うことになるんだろう (ぱられるてんぱりんぐ併用とかも必要かも)．
• このあたり， 多樹種の場合はどのように定式化すべきか， というあたりが私はよく理解できていなかった． で， 今朝登校しようかどうしようかうだうだしつつ つらつらと考てたときに思いついた方式とは …… 推定すべき各パラメーターについて， 事前分布から「樹種ごと」に候補を「提案」させれば， 上でのべる二重混合モデルに対応するべいづ推定になっている， とゆーものだ．
• …… などとここまで書いて， これってぜんぜんふつーの Bayesian かも， という気もしてきた． まあ， アタマの中が整理できたのはけっこうなことなんだけれど …… いやいや， ハイパーパラメーターを変化させるところでは工夫が必要だな． たとえば， 平均を変えるときは全樹種を「平行移動」， 分散を変えるときは「圧縮・伸張」 というふうに計算できるように， パラメーター構造を分割しておく必要あるだろう． 収束計算にすごく時間かかりそうだな．
• 1050 自宅発． 晴． 1110 研究室着． 上のよーな内容をうだうだと書いてげんじつとーひする． う． 時刻はすでに 1250． だれかたすけてー
• と言っても誰もたすけてくれないので， とりあえず 「これはできます， これはできません」 な内容をまとめてみようとしてみる．
• 2240 研究室発． 2300 帰宅． 晩飯．
• [今日の運動]
  • いやはや
• [今日の食卓]
  • 朝 (0920): ピーマン・タマネギ・ニラ・ショウガ・豚レバの炒めもの．
  • 昼 (1430): 研究室お茶部屋． 「北欧」バゲット． ピーマン・タマネギ・ニラ・ショウガ・豚レバの炒めもの．
  • 晩 (2340): 米麦 0.9 合． ニラ卵炒飯． キュウリ・コンブの酢のもの．