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.