ぎょーむ日誌 2009-12-27

2009 年 12 月 27 日 (日)

• 0800 起床． ある意味， かなり規則ただしい生活なのかも …… しかしもう少し早寝・早起きの生活をしたいんですけど． 朝飯． コーヒー． ちょっと怠業． 1005 自宅発． 曇． 1030 研究室着．
• 岩波本作業・本文かき年内終結への諦観から， 放置宿題あれこれを年内にかたづけるぎょーむ， 絶賛進行中．
• そして本日も， 工学部内難民キャンプ休日祝日低室温維持ぽりしーに対抗する 耐寒態勢で (つまり，アヤしいカッコで)．
• 昨日修正した八甲田湿原原稿ファイルをみなおして， ファイルアップロード． 神山さんに連絡．
• 次． ベータ分布 についてちょっと調べる． R の help(dbeta) などの help file をみると， dbeta(x, shape1 = a, shape2 = b) とパラメーターを指定すると
  • 平均 M <- a / (a + b)
  • 分散 V <- a * b/((a + b)^2 * (a + b + 1))
  こられから逆に， これらのパラメーターは (Q <- M * (1 - M) / V - 1 とすると)，
  • a <- M * Q
  • b <- (1 - M) * Q
  となる．
• 蛇足な補足だけど， これは「データから標本平均・標本分散を推定して，パラメーター決めればいい」 といったハナシではない． それでは モーメント法 になってしまう． ベータ分布の最尤推定量はモーメント推定量とは一致しないみたいだね …… きちんと確認してないけど．
• それはともかく， なぜこういう平均・分散 → パラメーターという対応づけをしたのかというと， ベーター分布をデータのばらつきとする一般化線形モデル的な統計モデリングをやるときには， こういった式が必要なので書いてみた， ということ． 一般化線形モデル的にするのであれば， あとは logit link 関数とかを指定して， いつものごとく logit(M) <- b0 + b1 * x1 + b2 * x2 + ... などとモデリングすればよい．
• 分散はどうしたものかね? 二項分布っぽくするのであれば， V <- M * (1 - M) とか? 右辺を比例係数をかけてもいいのかもしれないけど．
• といったところでうだうだしてしまった …… 昼飯．
• 昼飯後も上記の検討についてはススまず ……
• しょうがないので， 上のような内容をまとめて，

  具体的な計算方法ですが，このように構築した統計モデルを，
  
  ・R の optim() 関数で最尤推定する
  ・WinBUGS や JAGS を使って階層ベイズモデル化して，MCMC で事後分布を推
    定する
  
  といった手段がありそうです．郷さんの問題のややこしさからいって，ベイズ
  モデル化が無難な手法かもしれません．上で書いたような遺伝子発現のモデリ
  ングはすでに誰かがやっているのではないかと思いますよ．
  
  なんとも中途半端なメモとなりましたが，解析の進展のヒントにでもなれば，
  ということで書いてみました．
  

  と書いて郷さんにメイル送信してみる． われながらいいかげんだなぁ …… ここで議論してるモデリング対象は DNA マイクロアレイ， この発現率なる割算値はだいじょうぶなのかね? といつも疑問に思ってしまうのだが ……
• 次． まだまだ続く霊長研集中講義時の宿題． おサルの寄生虫密度問題．
• ややこしい問題なので， まずは作図の工夫・試行錯誤．

• とりあえずな階層ベイズモデルをつくり， ゐんばぐすで事後分布標本を集めてみる． 計算時間 49 秒 (BUGS code， 事後分布表)

• 1930 研究室発． 雪はやんでる． 歩きながら検討を続けてみたんだけど， やっぱり上のモデルでは季節のあつかいかたとかいまいちだな …… ということで， 明日また試行錯誤してみることに． 買いもの． 2000 帰宅． 晩飯．
• [今日の運動]
  • うー
• [今日の食卓]
  • 朝 (0840): 米麦 0.6 合． 卵焼き．
  • 昼 (1240): 研究室． 米麦 0.8 合． 春雨スープ． ブロッコリー． リンゴ．
  • 晩 (2120): 米麦 1.0 合． ニンジン・タマネギ・シイタケ・大豆・鶏肉のトマト煮． ヨーグルト．