\boldsymbol{}
で,
と.
dist()
なる距離行列つくり用関数があったり).
これはたしかに便利なんだけど,
空間データにつきものの edge effects (EE) を補正するのには不便だったりする
……
というか距離行列と EE 補正は計算のうえでは別のハナシのはずなんだけど,
x <- x + 1
みたいな再帰的な代入計算すらできなければ,
もう何をやってもダメ状態ですなあ.
なんかそうなっていそうでオソろしい.
まあ,
そのうち調査してみよう.
……
α0 ~ N(0, 1),
αT ~ N(0, 1),
β0 ~ N(0, 1),
βT ~ N(0, 1),
……
とゆーふうに本文中に列挙していくのがハヤリみたいなんだけど,
なんというか
「反主流派」ぢゃーなる Ecological Modelling
の編集者・査読者たちには当世ふうすぎるというか
誤解される余地が多すぎるだろう,
ということで.
plot()
内の数式表現 (expression()
がらみ)
については
help(plotmath)
(あるいは ?plotmath
)
にまとめられている,
と.
Findley, DF and Parzen, E. 1995. A conversation with Hirotugu Akaike. Statistical Science 10: 104-117.を (wikipedia でみつけたので) 読んでしまった. 計算のハナシだけでなく, 雑談的な展開もあっておもしろい.
Ellison, Aaron M. (2004) Bayesian inference in ecology. Ecology Letters 7 (6), 509-520. (abstract)とゆー短い総説論文あること教えていただき, そのときにこれを引用している (やはり総説の) 論文である
Clark, James S. (2005) Why environmental scientists are becoming Bayesians. Ecology Letters 8 (1), 2-14. (abstract)に気づいた. Ellison (2004) のほうは Bayes とは何かといったやや哲学的なぎろんと, 具体的な計算例をもちいた最尤推定 (非 Bayes) とべいづな推定の比較であった.
library(geoRglm)
とか generalized linear spatial model (GLSM)
でべいぢあんに空間統計まわりの問題が解けるらしい,
と知っていたわけだが
……
まあ,
なんかそこから翌年の半年ぐらいは
(つまり 4 月末以降もしばらくは),
空間相関うんぬんを推定する問題に関して,
なぜかしら
ふん!のヒトことだけ書かれたメイルをいただき, それといっしょに
Hobbs, N.T. and Hilborn, R. 2006. Alternatives to statistical hypothesis testing in ecology: a guide to self teaching. Ecological Applications 16:5-19. (url)の PDF ファイルを送っていただいた. その figure 1 を引用すると,
Radtke P.J. and Robinson A.P. 2006. A Bayesian strategy for combining predictions from empirical and process-based models. Ecological Modelling 190: 287-298.をきちんと読んで, 投稿論文かきなおしをひとまず終了させたい.
PnET-II
なるパラメーターが 36 個 (!) もある
process-based model
(これは森林生態系の炭素と水の収支を計算するためのもの)
のパラメーターをきめる観測データがじゅうぶんに得られないので,
評判よろしい森林動態 empirical model の
G-HAT
で生成した「データ」で prior 作って
PnET-II
のパラメーターの posterior 計算しました,
というもの.
このあたりの工夫は面白いところ.
PnET-II
のややこしさを反映して何が何やらよくわからない,
というあたり.
Finally, general ecological princeples derive from simple process models. Simplicity is justified by the potential for broad application. Models are extended to specific situations by adding ``effects'' to produce more complex process models. Most of the effects cannot be parameterized. Complex models can fail, in part, because they demand more information than data can provide. Application typically involves guesswork, and probability statements are rarely plausible.
Rich ``error'' structure can step in where complex process models fail or are undesirable. Modern statistical computation provides a way forward with a basic structure that allows application of simple models within realistic context. Hierarchical approaches sidestep deterministic complexity by admitting variability and uncertainty.となっていて, 特にふたつめのパラグラフはまるごと流用したいぐらいだ.
make pdf
命令を発して PDF ファイルを作らせて
rsync
でサーヴァーにアップロード.
小林さんにメイル連絡.
時刻は 1820.