ぎょーむ日誌 2005-09-07

2005 年 09 月 07 日 (水)

• 0810 起床． 0830 自宅発． 雨． 台風 14 号接近中． といってもまだ山陰沖あたりにいるみたいだけど． 0845 研究室着． 朝飯． コーヒー．
• 研究室ネット雑用のつづき．
• 7F に三浦さん・雪野さんが不在なので， 掃除屋の請求書がこちらにまわってくる． 昨年度末に「夜逃げ」退職した教授が使ってた部屋， いままで片づけとかでわれわれが動員されてたことは， このあたりにも書いてたわけだが …… 最後にほぼカラになった部屋に掃除やってもらったという請求書． 室内掃除・高濃度ワックス三層塗布あれこれ一式で 33600 円． 思ったより高くなかったけど， ハタ迷惑なハナシであることにはかわりない． というか， これって大学が支払うべきではないのか?
• 母子里 MCMC 計算説明かきのつづき．
• 昼飯． 雨は強くなったり弱くなったり．
• また母子里 MCMC 計算説明かきのつづき．
• いやはや， すごくまぬけな表記まちがいというか認識まちがい見つけてしまった． 8/26 のぎょーむ日誌とかで，
  
  
  なんて書いてたけど， これ表記が「逆」だよな． つまり (また notation ちょっと変えたんだけど)
  
  
  とゆーふうに， ある観測データ の集まりのもとである葉っぱの配置 が得られる確率， というふうに尤度だの Gibbs 分布の確率密度だのは定義されるわけで． いやはや
• なンか， 今まで同種の表記まちがいをさんざんやってしまったような気もする． 気をつけんといかんな． えー， つまり

  ある観測データのもとであるパラメーターが推定される確率

  ってのは

  あるパラメーター与えた統計モデルから その観測データが生成される確率

  に等しいわけで， そのあたりで混乱してたのかな．
• 「自然科学の統計学」 (東京大学教養学部統計学教室, 1992) はしんぷるに， 標本 (データ) は与えられたものとして， 未知母数 (未知パラメーター) の関数とみたときに， そのデータが出現する確率分布 (確率密度?) を尤度とよぶ， としているな． まあ， 実用的にはこういう理解でよいのだろう．
• 間瀬さんの説明 (「ポストゲノム時代の遺伝統計学」 p.275 あたり, 2001) も同じことをもうちょい面白く述べておられる …… 最尤法の「ものさし」は尤度であるという文脈で，

  尤度 とは形式的にはデータの同時密度 に他ならないが， 変数 には具体的なデータ値が代入されていると考えており， 従って変数はパラメーター のみと考える点で密度とは異なる．

  とゆーことで， 私は尤度と同時密度が 形式的には同じなんで表記法を混同していた， と言いますか． ともかく今さらながら， 今後は気をつけよう．
• (ごく簡単なる) 最尤推定法めも も少し修正してみたり． 修正しても不正確なままだが (これはわざと)． このペイジってなぜかしら「最尤推定」 とかで 検索 するとわりと上のほうに来るんだよね ……
• とつぜん駒ヶ岳樹木更新モデリングこんさる． ただ単に樹木の更新は何で決まるか， とゆーありふれた問題なんだが …… これって (各地点独立ではないとか) まぢに考えだすとすげー難しいね． だいたい距離カーネルとか言いだした時点で， GLM 系モデルから逸脱しつつあるわけで， あれこれと面倒な手順が増える．
• そして， こういうこんさるのご利益として …… 距離加重密度をいいかげんに線形和するというくだんの 二ヶ月ほど前 に考えた方法とやらは， 極端な集中分布のもとでは破綻する可能性がある， と気づかされた． まあ， 苫小牧とかではそんなに集中してるわけではないけど． いや， rare species だとそうなってるかも．
• もう一点気づいたこと． これまた 二ヶ月ほど前 の別の日に考えたこと (とゆーかこっちは実装までやってしまったんだが)， 下の図のような工夫するぐらいなら単純な「みらーりんぐ」でも良いのでは， と ……

[逆転の発想とゆーか]

正方形 (長方形でもいいんだけど) の調査地内に点在する 樹木個体それぞれについて edge effect を考慮した距離加重カーネルを与えたい． 上述のごとくカーネルを準備し (外枠の正方形におさまる)， 個体の位置にあわせて切り取り & 規準化すればよい． (上が北だとすると) 調査地の東端に樹木個体 A があれば， 赤線で示した範囲， また調査地の北西にある樹木個体 B なら青灰線で示した範囲を切り取る．

• いやいや， しかしながらみらーりんぐうんぬんだと N 個体 (あるいは地点) あるときだと， N × N × 9 ぐらいの個数の距離計算必要になる (実際には N × N × 3 ぐらいだけど)． 上のやりかただと N ぐらいでおさまるしね (と利点を再発見) …… といっても， しょせんは計算速度のハナシにすぎないわけだが
• しかし， ときにはこの計算速度ごときが研究の方向性と内容をおおいに制約してしまう， と．
• いかん， 駒ヶ岳でアタマが疲れてしまった …… このへん， 私にとっては長年にわたってうまく解決できてない (いつもハンパなところで妥協を余儀なくされる) 難問なんで．
• 台風も近づいてきたんで撤退しようと思ったんだけど， お茶部屋で大雪山草本ハナシにとらっぷされてしまった． 「地下部ナシ」 疑惑の強まるナゾの多年草 ミヤマリンドウ のバクチ的人生 (少なくとも 1 branch に関しては)， とか．
• 2030 研究室発． 雨． 風は強くない． 2100 帰宅． 晩飯．
• [今日の運動]
  • 台風休養日
• [今日の食卓]
  • 朝 (0850): セイコーマートのサンドイッチ．
  • 昼 (1300): 研究室お茶部屋． 米麦 0.5 合． トマト・ナス・ピーマン・サンマの煮物．
  • 晩 (2120): 米麦 0.7 合． トマト・ナス・ピーマン・サンマの煮物．