事後分布からのサンプルをあれこれひねくりまわしてみて，
モデリングや計算にまちがいなかったかチェックしてみる．
たとえば，
事後分布を使って，
Kendall の
τ
の予測分布を生成してみる．
> q.tau <- function(x)
+ sapply(1:6, function(j) {
+ v <- sapply(1:1200, function(i) cor(list.bs[[j]][i,], x, method = "kendall"));
+ quantile(v, probs = c(0.025, 0.5, 0.975)) })
> q.tau(a$dbh95)
[,1] [,2] [,3] [,4] [,5] [,6]
2.5% 0.0067613 -0.103704 -0.031573 0.038053 -0.090886 -0.038609
50% 0.0816347 -0.033580 0.050418 0.116999 -0.036044 0.041496
97.5% 0.1612815 0.041271 0.126657 0.195267 0.024989 0.120518
> q.tau(g$g)
[,1] [,2] [,3] [,4] [,5] [,6]
2.5% 0.070539 0.033155 -0.057193 -0.053842 -0.150208 -0.07755351
50% 0.146915 0.111460 0.025026 0.024021 -0.091510 0.00027639
97.5% 0.221412 0.182817 0.099892 0.093721 -0.034615 0.07327495
> q.tau(g$n)
[,1] [,2] [,3] [,4] [,5] [,6]
2.5% -0.0878923 -0.0734658 -0.111950 -0.1431016 -0.055764 -0.060645
50% -0.0066626 -0.0016091 -0.037837 -0.0715022 0.004073 0.017121
97.5% 0.0651188 0.0729667 0.046461 0.0078657 0.063534 0.089374
はてさて，
どーなることやら．
