ぎょーむ日誌 2005-08-29

2005 年 08 月 29 日 (月)

• 0810 起床． 朝飯． コーヒー． 0930 自宅発． 晴． 0945 研究室着．
• 低温研の加藤さんが母子里「ササ区」の PPFD データ送ってくださったんで， それを R でまた変換したり作図してみたり． 点の色は林分内の測定高度をあらわす …… この作図技法は R の plot() とかで col = 「色の vector」 と全点の色を一発指定する基本ワザである． しかし， なーんか， 測定高度 vs 全天 PPFD 間にみょーな交絡があるよーな …… 観測方法の制約から交絡あって当然なんだけど， 「高所では明るい」 とゆーのは? 朝， 下から始めて上についたのが昼， ということかしらん．

• これまでの母子里 MCMC 計算では 測定値のこういった性質についてよく考えずに， 相対 PPFD と称するアヤしげな割り算値つかってきたわけだが …… やっぱ， 割り算値はいかんね． 整数 vs 整数に関しては， いまや体系的な「割り算回避」策があるんだけど …… こういう連続値 (に見えるけど測定精度など考慮するとぢつはもっとわけわからん数量) どうしの比較は最悪だ．
• PPFD なる量は非負なんで， ガンマ分布にしたがうと仮定してみよう． ガンマ分布には便利な性質がいくつかあり， たとえば X1 ~ GAM(a1, b) で X2 ~ GAM(a2, b) のとき
  • 再生性 (reproductive property): X1 + X2 ~ GAM(a1 + a2, b)
  • Γ分布→β分布 の関係: X1 / (X1 + X2) ~ BETA(a1, a2)
  このあたりの性質うまく悪用できんか， と考えるわけだが …… えーい， しかし上の観測データには 「林外より明るい点」 だの 「絶対暗黒点」 なんぞが含まれていたりして， ですね． こうなるとハナシは格段に難しくなる． 測定誤差もたたみこむ (convolution) 必要あるわけ?
• まー， このあたりまぢにやろうとすると， 測定誤差まわりも Bayesian な定式化をやって， MCMC 計算で各地点の尤度を計算するたびに林外からの光浸透 (測定誤差つき) 計算とかいちいちやらんといかんわけで …… アタマがへんになりそうだ．
• ともかくそう簡単には解決しない難問なんで …… このあたり発注なヒトたちに悩んでもらべく 連絡だけして放置することに決定． 結局， Monsi & Saeki (1953) から 50 年以上が経過してんだけど， このあたりの統計モデリングどうしたらよいのか誰もきちんと検討してない …… 都合わるい値除去 (隠匿) & 割り算 (隠匿) & 無意味な標本平均計算 (隠匿) を組み合わせれば 観測値が「浄化」される， といったオカルト世界になってるのか?
• まあ， 私の計算まわりで簡単な補正をやるとしたら， 計算林分内の各観測点にその場と林外の絶対 PPFD の両方を与えることかな． 観測精度の下限を使って PPFD をカウントデータ化して， ばらつきの大きさを考慮した推定をやる， と． これによって， たとえば明るいときの観測地点では「ずれ」に寛容， 一方で暗いときの観測地点では精密さを要求される， と． これがいいのか悪いのかわからんけど． まあ， 上の図みるとそんなかんぢ?
• 浜松ホトニクスの光センサーがホントの「光子数」数えてるんだったら， それを整数で出力してくれてるといいんだけどなぁ …… 無理だろな．
• 連続とゆーのは形而上な概念で， これをうまく扱えるのは現実ばなれした数学者だけ． われわれの身のまわりに転がってるのは「連続値もどき」ばかりで， 統計学は昔からこれらの扱いに苦闘している． 最後はなんらかの「離散量化」が必要とされるんだよね．
• といった問題にふりまわされたあげくに何もかも放置することにして 昼飯前の時間終了． 昼飯．
• 私は Vim 派なんだけど， なぜかしらメイラーだけは Emacs 上で動く Mew つかってる． Mew-2.x がイヤだったんでいままで Mew-1.94 使ってた． しかし先ほどいきなり Mew-4.2 にしてしまった．
• Mew の version 間 gap に苦闘する …… といっても $HOME/.emacs の設定をちょっと書き直すだけなんだが． キー操作が少しかわってるか? s を押さんと buffer が更新されない? …… まあ， 基本的な使いかたはわかったんで， あとはマニュアルみながらぼちぼちと勉強するかな．
• いやはや Mew を更新したら Gmail との連携がさらに良くなるかな， と思ったんだけど …… もうちょい研究 & 工夫が必要かな．
• 特に匿名希望する料理人氏がとつぜんかとーオフィスにあらわれ， AirMac の設定をはじめる． おお， この部屋でも 7F 発のデムパが届いていたんだ． ところで料理人氏は北海道に食材あつめの旅とコンサドーレ観戦にきたそーだ． これが終わったらすぐに欧州出張と欧州サッカー見物にでるそーで．
• また院生データ解析したうけ． 札幌研究林の風張さんからメイルがいきなり来信， こちらが混乱から復旧しないうちに 問答無用でひきうけざるをえない状況においこまれた． 院生でもさすが博士課程ともなればこのあたりの手ぎわが違う ……
• で， 内容は金華山サルのお食事データ解析． 一般化線形混合モデル (GLMM)． このあたりもさすが博士課程というべきか， テキはこちらを知りつくしてるとゆーか， 安直な逃げ道は全部ふさいどいてから面倒な部分だけ残していてくれてて， ですね ……
• とりあえず pairs() な作図． いきなりあてはめ関数にほうりこんぢゃいけませんよ． ほら， いかがわしそうな相関ばかり．

• さーて， どうしたもんかな， と思ってると， なぜかいきなり高田さんの議論にまきこまれる． 病気動態の S-I-R モデルの単純化したやつ． ハナシはえらく簡単なコトに思えたんだが …… ともあれ一件落着．
• 空腹になってきたんで撤退． 1900 研究室発． 1915 帰宅． 2035 自宅発北大構内走． 2120 帰宅． 体重 73.6kg． 晩飯．
• サルお食事解析， とりあえず glmmML() でパラメーター推定し， これと連動させる自作関数 stepAIC.glmmML() (AIC による自動モデル選択) の手なおしして要因をしぼりこんでみる． start.sigma いろいろふってみて得られた結果としては (といっても glmmML() に計算させてるんで， そう簡単に信じてはいかんのだが)， エラそーにしてるサルあるいは小さい樹木では早ぐい? ホントかしらん． サル局所密度の効果とかは stepAIC.glmmML() に削除されちまったなぁ …… と懸念しつつ， とりあえずの御報告メイル．
• 明日の午前中は大学院入試筆記試験の監督． まー， 今回は午前だけの担当．
• [今日の運動]
  • 北大構内走 45 分間．
• [今日の食卓]
  • 朝 (0840): 米麦 0.7 合． ネギ卵炒飯．
  • 昼 (1250): 研究室お茶部屋． 米麦 0.5 合． 麻婆豆腐．
  • 晩 (2150): 米麦 0.7 合． サケ塩焼． サケの味噌汁． なぜか大屋さんにめぐんでもらった食べ物．