ぎょーむ日誌 2008-09-08
2008 年 09 月 08 日 (月)
-
0755 起床．
朝飯．
コーヒー．
0905 自宅発．
晴．
0920 研究室着．
-
テングザル作図のつづき．
まあ，
とりあえずはこんなものかな?
-
……
と他にもいろいろデータがあることを思いだしてきたので
(やはり放置 → 再開ってのは効率が悪い)，
図の追加と作りなおし．
下の図は (R 作図わざ本ほんやくで使いかたのわかった)
layout()
関数を応用したもの
(layout(matrix(c(1, 2, 3), heights = c(2, 1, 1))), ．
まあ，
library(grid)
とか使ったほうがよさそうだけど，
ちょっと今は時間がないんで
……
-
こういった時系列図を描いてると，
「やっぱりこれって日ごとに独立ではないかも?」
という不安んとりつかれる．
とりあえず t 日目 vs t+1 日目の観測値をプロットしてみる．
何か相関があるようには見えないけど，
順位相関はプラスであり，
これだけ点数があるとゆーいということに．
-
しかしこれだけでは何とも言えない．
サルのいる場所は日々移動しているので，
あれこれ要因もあわせて検討しなければならない．
-
ということで，
「日々独立」
を仮定した
glmmML()
なポアソン回帰をやり，
その random effects に指定した「日差」
(事前分布は「日々独立」の正規分布)
の相関を調べてみることに
……
glmmML()
の結果の「日差」の事後分布のモードを
fit$posterior.modes
というふうにとり，
また t vs t+1 比較をしてみると
……
-
勝手に「日々独立」を仮定して，
さらに場所ごとに変わる説明変数いれたモデルでも，
やはり「日差」にプラスの時間相関がでましたか
(事前分布は正規分布なので，
まあ，この相関は線形相関係数で計算してもよい)．
つまり，昨日にご近所サルグループ数が多ければ，
本日もその多い可能性が高い，
他の要因の影響を考慮したとしても
……
ここはアキらめて解析やりなおしたほうがよさそうだ．
-
松田君にこちらにきていただいて，
現状の説明，
今後の相談．
glmmML()
による解析は無理，
ということで random effects に時間的自己相関のある
階層ベイズモデル化をすることに．
例によってゐんばぐすで．
-
ウミガメ上陸数モデルをもとに作っていく．
今回はウミガメにくらべて格段に簡単なので，
BUGS code などはすぐに書けたのだが
……
時系列モデルはなかなか思うとーりに動いてくれない．
-
解決せぬまま撤退．
2005 研究室発．
2020 帰宅．
晩飯の準備．
晩飯．
-
[今日の運動]
-
[今日の食卓]
- 朝 (0830):
シリアル．
- 昼 (1320):
研究室．
食パン．
- 晩 (2200):
ゆでブロッコリーとエノキダケ・ショウガ・ひき肉のソース．
トマト．
ヨーグルト．
