Introduction なおしてみると,discussion 末尾あたりはまだ改訂が必要かな という気もしました. ・multi-level society (MLS) の構造と機能の定量的な定義は依然あいまいなまま (この論文では何も解決しない問題かもしれません) ・これと関連して MLS の何を理解したいのかがよくわからない. 川べりにおける行動中の MLS 的な挙動 (ワニよけ川わたり, Yeager) は いかにも MLS 的な行動ですが,集団規模増大による捕食回避なら他の 動物でもありそう. ・日中の森林内での MLS 的な行動……と末尾に書かれているが,森林内で band のようなものを形成している,と考えているのだろうか? 草原とは 異なりそういうことはなさそう,というハナシだったと思います. このあたり,もうちょい整理してみる必要があるように思います.時刻はすでに 1630 近い. いやはや.
/usr/lib/kbd/keymaps/i386/qwerty/us_Ctrl_CAPS.kmap.gz
で
keycode 29 = Caps_Lock keycode 58 = Controlというふうに Control と取りかえていたんだけど, 考えてみたら Caps Lock なんてジャマなだけ & 不要ぢゃん, と気づいたので
keycode 29 = Control keycode 58 = Controlと設定してみた. すこしすっきり.
libuno_sal.so.3
が見つかりません,
といったエラーがでる.
解決策としては (おススめできないものだが)
インストール package の RPMS ディレクトリ内で
sudo rpm -Uvh --force openoffice.org-ure-1.4.0というふうに手動かつ強制的な操作をすると
/opt/openoffice.org/basis3.0/ure-link/lib/
以下に必要なライブラリがインストールされる.
/opt/openoffice.org3/program/soffice
内を編集,
SAL_NO_XINITTHREADS=true; export SAL_NO_XINITTHREADS
という行の行頭コメントマーク (#
)
をはずす.
すると Vine Linux 4.2 のもとでも文字入力できるようになる.
LANG=C
のもとで起動した OpenOffice.org
では,
SCIM などをつかった日本語入力ができない:
まあ,
こんなヘンな設定をしているのは私ぐらいでしょうけど.
pdfimport.oxt
なるファイルをダウンロードし,
起動した OpenOffice.org のツール → 拡張機能で「追加」
できる.
q
みたいなヘンなシンボルがあるけれど,
これは OpenOffice.org がわの問題ではなく,
おそらく当方の Vine Linux 4.2 ghostscript +
IPA font
設定が
原因で生じている呪われ状態.
xpdf
とかで開くと当該テスト用 PDF ファイルはこんなかんぢなんだけどね.
car.normal()
解説記事の修正版を生態学会編集部に送る必要あり
family = poisson(link = "log")
とかで GLM ``アロメトリック'' わざを御伝授しましょう!
……
などなどお買いドク感あふるる内容なのだが
……
glm()
の family
はどう選んだらよいか,
という
1755 授業終了.
あとは水曜日にもう一回やればいいだけだ
……
car.normal()
解説記事を修正作業をするか.
おっと 1300 から宮崎さんの D 論公聴会だった.
car.normal()
解説改訂は終わった.
残された
げんこー・ぢゅぎょー系なあれこれ:
尤度が良くなる、 つまり観測データへのあてはまりが良くなるように パラメーターを変化させていくという目的は ベイズモデルの MCMC 法でも最尤推定法と同じである。 しかしながら、 MCMC 法では「尤度が良くなる方向」にばかり進むのではなく、 何か特定の値を探索するのではなく尤度が良いときの 「モデルの状態」にむしろ興味がある、 というところが異なっている。 この手法を適用することで、 ベイズ統計モデルで定義された事後分布そのものを直接に推定はできないが、 事後分布からの多数のランダムサンプルが得られる (以下、サンプリングとよぶ)。 これによってわれわれは事後分布の性質を知ることになる。といったかんぢで, MCMC 計算の中での パラメーターの値の 「動き」みたいなのに着目していたんだけど, たしかに上の説明は「何が何やら?」いまいちなかんぢだ. そこで以下のように改訂してみた.
(MCMC 計算は) 最尤推定法と同じく尤度 (統計モデルの観測データへのあてはまり) にもとづくものである。 数値的な最尤推定法では試行錯誤によって 尤度最大となるパラメーターの値を推定する。 ベイズモデルの MCMC による推定でも パラメーターの値を試行錯誤で変化させる。 しかしながら、 MCMC 法ではこの試行錯誤 (以下、サンプリングとよぶ) で得られたパラメーターの値のセットが 事後分布からの無作為抽出標本となるような、 巧妙な「値の変化のさせかた」のルールが適用されている。 このようにしてサンプリングされた値のセットによって、 われわれはパラメーターの事後分布の性質 (事後平均値など) を推定できる。より抽象的な記述になっているわけだが, まあ中途半端に具体的な「動き」なんかを書くより, 「どういった値が得られるのか」 に焦点をあててみたわけだが …… どうでしょうかね?