split //, ...
)
といったことがなかなかできなくて
(なぜかしら複数バイト文字だと認識してもらえない),
ですね.
makeindex
で原著版の項目索引ファイル
conc.ind
が動的に (つまり内容変更に自動的に対応して) 生成される
conc.ind
と昨日つくった En → Ja
変換ファイルをつきあわせて
concJ.ind
を生成する
concJ.ind
をとりこませて日本語版索引を組版する
conc.ind
はこんなかんぢなのだが,
\item 3D plots, 3, 35, 131 \subitem annotating, 110--114 \indexspace \item Annotating plots \subitem in grid, 182 \subitem lattice plots, 142--147, 192--193 \subitem traditional plots, 83--114 \subsubitem 3D plots, 110--114 \subsubitem plot margins, 89--92 \subsubitem plot region, 83--88 \item Appearance of output, \see{Graphical parameters}{297} \item Arguments, 272--273 \subitem recycling, 160, 169 \subitem standard \subsubitem in grid, 158 \subsubitem in lattice plots, 130これを日本語に変換して再配置した
concJ.ind
はこんなかんぢになり,
\item vignette 281 \indexspace \item 色 (color) \subitem grid での 166 \subitem lattice 作図での 55--59 \subitem デヴァイス依存性 (device dependence) 58 \subitem の指定 (specifying) 55--56 \subitem 半透過の (semitransparent) 56--57 \item 色空間 (color spaces) 55--56 \item 色集合 (color sets) 57--58 \item インデックス (indexing) 275--278 \item ヴェクター (vectors) 274--275 \item 絵描きモデル (painters model) 1, 150 \item エラーバー (error bars) 17 \item 円 (circles) \seeinline{作図プリミティヴ}{297} \item 円グラフ (piecharts) 3, 27 \item オブジェクト (objects) \seetwo{クラス}{作図オブジェクト} \item オブジェクト指向の特徴 (object-oriented features) 283--284 \indexspace \item カテゴリカルデータ (categorical data) 275これを LaTeX で組版するとこうなります, と.
\markboth{}{}
を定義する,
とゆー方法で切りぬけた.
family="Japan1"
といった設定で無問題に見えるcairo_pdf()
や svg()
などexample()
表示に
par(ask=TRUE)
を指定しなくてもよくなった
library(ggplot2)
など library(grid)
な作図環境の発展library(grid)
の fontfamily
指定では
"EUC"
にしなさいといったことが書かれているが,
現在の R では,
R News 6/2 (2006 年) の Murrell & Ripley 解説記事
(の中のなかまさん作成の Table にあるように)
にあるように,
"Japan1"
などなどといった指定が正しい.
pdf("tmp.pdf") library(grid) grid.text("テストです", gp = gpar(fontfamily = "Japan1")) dev.off()えーと,
cairo_pdf()
device とかなら,
"Japan1"
指定は不要だったはず.
X11()
で表示したければ下のようにする,
と.
X11(type="cairo") grid.text("テストです", gp = gpar(fontfamily = "Japan1"))
論文をダウンロードする際の支払方法についてですが、 おそらくクレジットカードによる支払になると思われますので、 コーポレートカードのご利用をお願いしております。 論文購入時に一旦先生がお持ちのコーポレートカードでお支払いただき、 後に公費で清算するシステムです。 ご利用後にお手元に届くメールをもとに 「利用明細公私分離サービス」での公費利用分の仕分処理を行っていただき、 コーポレートカード清算書とともに領収書などの証拠書類を 図書館図書受入担当宛にご提出いただいております。 コーポレートカード清算書の様式等についてはリンク先をご参照ください。 http://north.finance.hokudai.ac.jp/~chotatsu/gakunai/tatekae/tatekae.html もし先生がコーポレートカードをお持ちでない場合は お手数ですが別途ご相談いただけますでしょうか?
あのアヤしげなハナシは,ようするに「周囲の平均より『ちょっとだけ』ゼロ に近い値」にすれば収束します,というもので …… たとえば 4 近傍だと 0.25 * 0.95 = 0.24 ぐらいになるのでしょうか? 当方の最終的なやりくちとしては (左右 2 近傍の場合), mean <- (近傍の和) * (r - 0.5) r <- dbeta(10, 10) # 0.5 を平均とする beta 分布 みたいにごまかしました.同じ手口を 4 近傍で使おうとすると, mean <- (近傍の和) * (r - 0.5) * 0.5 r <- dbeta(10, 10) # 0.5 を平均とする beta 分布 といったものになりそうです. 上記の試行錯誤の最中に「ようするに各点において無限かつ有界でない状態を とる Gaussian random field (GRF) なんぞを (こんな zero-inflated なデー タ解析に) 使うから『あちら』の世界にトぶのであって,たとえば {0, 1} の ような有限個の状態しかとらない Markovian random field (MRF) にすればこ んな問題は生じないんだ!」といった「手抜きの神」の「天啓」も得てしまいま したが……実際のところ,この有限状態 MRF 化した統計モデルであっても,さ まざまなごまかしが要求されたりするかも (誤観測の確率を「きめうち」でく みこむなど),といったことがわかってきました.なかなか難しいものです.
\addtocontents{toc}{\contentsline{chapter}{まえがき}{\pageref{page:preface}}} ... \addtocontents{toc}{\contentsline{chapter}{訳者あとがき}{\pageref{page:postface}}}こうすればいいのかな? …… いや,
\addcontentsline{toc}{chapter}{まえがき}
とかのほうだ妥当か?
……
とりあえず,
生成してみた.
car.normal()
がメモリを大量に食いつぶす」
疑惑ですか
……
x <- mcmcsamp(...)
してつくった MCMC sampling の結果 x
はもはや mcmc
class
(library(coda) で定義される)
ではない.
そこでサンプリング結果とかを表示するには,
summary(as.mcmc(as.matrix(x)))
だの
plot(as.mcmc(as.matrix(x)))
だのと変換しなければならない.
(後記: 図示は
xyplot(x)
だの
densityplot(x)
でできるとわかった)
Lele SR, Dennis B, and Lutscher F. 2007. Data cloning: easy maximum likelihood estimation for complex ecological models using Bayesian Markov chain Monte Carlo methods. Ecology Letters 10:551-563 (url)これ, 以前にちらっとながめたときには, 「EM アルゴリズム の再発明にすぎないんでは?」 などと思っていたのだが …… くわしく読んでみたらちょっとちがった.
Because the mean of a degenerate distribution is the point
at which it is degenerate, the mean of the posterior distribution
for large enough k approaches MLE
of θ.
小わけしたサンプルの平均値の分布は正規分布に漸近しそうだし,
また事後確率密度関数を何重にも重ねていけば最尤推定値 (MAP)
周辺でツブれていきそうだけど
……
両者は別モノなのでは?
xyplot()
だの
densityplot()
だのでできるのね
(cf. 昨日).
mcmcsamp()
は GLMM なときにうまく動かないかも,
とのことなので
(ほとんど使ったことないのに)
library(MCMCglmm)
はどうでしょうかね,
などとてきとーな返信をしてみる.
car.normal()
なやりとりのつづき.
GeoBUGS manual
をよく読んでみると,
Since the CAR model defined above is improper (the overall mean of the S_i is not defined), it can only be used as a prior distribution for spatially distributed random effects, and not as a likelihood for data. It is often convenient to assume that suchrandom effects have zero mean. Besag and Kooperberg (1995) show that constraining the random effects to sum to zero and specifying a separate intercept term with a location invariant Uniform(-infty, +infty) prior is equivalent to the unconstrained parameterisation with no separate intercept. WinBUGS 1.4 includes a distribution called dflat() which corresponds to an improper (flat) prior on the whole real line. This prior must always be used for the intercept term in a model including CAR random effects.WinBUGS-1.4 には
dflat()
なる improper な「平らな」事前分布があるから,
car.normal()
を random effects にするような一般化線形なモデルの
「切片」
にはそれを使え,
といったもの.
dflat()
なる事前分布 (一様分布みたいなもの) は
(例題の解説文などで使っていた)
dnorm(0.0, 1.0E-4)
とかと本質的に異なるわけではないな.
つまり,
improper な事前分布ってのは
「ハシからハシまで積分しても 1 にならない,尤度が評価されない」
ぐらい意味で,
なにか抜本的に異なるわけではない.
dflat()
の実装は,
おそらくシステムの許容する最大・最小の実数を範囲とする一様乱数,
対数尤度はつねに 0,
といったところではないかな?