ぎょーむ日誌 2015-01-07

2015 年 01 月 07 日 (水)

• 0600 起床． 朝飯・弁当の準備． 朝飯． コーヒー．
• 0750 自宅発． 0800 保育所着． 0830 研究室着．
• 今日も現実逃避的な方向で ……
  • 最近，複数の時系列を同時にあつかう解析で苦闘しているのだが…ベイズな作法の良さのひとつは「関連するあれこれ」全部を内包したモデル作りが可能なところ…しかし，もし「うまい分割」が許容される場合，分けて推定したほうが，モデリング試行錯誤すごくラク＆結果ほぼ同じ，とならないかなと妄想中   12:46:57
  • 時系列データじゃないけど twitter.com/berobero11/sta… の beroberoさん・baibaiさんの「逆流」問題議論，傾向スコアの事後分布推定と同時に重み付き回帰の問題を BUGS の cut() で解決しようとする試みなのだが…「うまい分割」で対処できないか?   13:21:57
  • cut() についての @berobero11 さんのすばらしい解説 heartruptcy.blog.fc2.com/blog-entry-159… みながら考えたんだけど，私が妄想してた 1. 変数zの事後分布を推定 2. それをzの事前分布として回帰 とゆー「分割」ではダメそうだ．2.で事前分布とかダメだ．   13:34:40
  • すでに @berobero11 さんが heartruptcy.blog.fc2.com/blog-entry-159… の中で「分割」についても検討しておられるな…たしかに z をどうしたらいいのやら…うーむ，z で積分して尤度を求めてもしんどいだけ，という気分だし…   14:01:00
  • 
  • z の事後分布を「データ」として使う，という彌縫というか次善な策のような気がするんだけど平均値や中央値だけではサビしいので，なんとかバラつきの情報もいれて，z の事後分布の「アヤしさ」を反映してみたい…といったことを考えているうちに，またキモチ悪い奇策を思いついたのだが…   14:20:13
  • for (j in 1:N.z) { for (i in 1:N.y) { Y[i, j] ~ 確率(関数(z[j])) } } Y[i,*] は全部同じデータ，z[*] は事後分布のサンプル値，関数は a + b * z[j] とか…「分割」策ならこれしかない?   14:30:21
  • データ Y[i,*] が同じ値のコピーになっているところが，(生態学独自の?) 変てこ計算 data cloning hosho.ees.hokudai.ac.jp/~kubo/log/2009… を連想させるものではあるが… z[j] が全部異なるところが違う．全サンプルでなく事後分布の等分割な分位値でもよい?   14:39:40
  • JAGS の Plummer さんによると martynplummer.wordpress.com/2014/01/05/mcm… cut 関数を正しく実装するのは難しい，OpenBUGS のそれは正しくない，とのことです．   15:00:40
  • JAGS の Plummer さんがMCMSki2014 www.pages.drexel.edu/~mwl25/mcmski/ で発表した "MCMC for Cut Models or Chasing a Moving target with MCMC" www.pages.drexel.edu/~mwl25/mcmski/…   15:06:13
  • つまり JAGS ではとうぶん cut() は実装されないようです．数年がかりになるかも，といったコトバも．   15:08:19
  • JAGS で cut を代用する手法についての議論 sourceforge.net/p/mcmc-jags/di… いろいろ指摘されていますが，JAGS では「事後分布など確率分布からデータを生成させる」ことが可能で data block (Manual 7.0.4 参照) を使うというもの．   15:29:52
  • JAGS の data block って何なの? と今まで疑問だったのですが，こんな使い方があったとは…data と model block それぞれで同じ名前のパラメーターを使うときには要注意，とのことのようで．   15:33:11
  • WinBUGS や OpenBUGS の cut がうまくいかない場合があるという報告いろいろあるようですが，Plummer さんの問答によると OpenBUGS の実装がおかしいからだ…ということで．WinBUGS のコードが公開されてませんが，おそらく同様なのでしょう．   15:36:59
  • 蛇足ながら data block の「ふつー」の使いみちは変数変換とか，そういう用途． z <- sqrt(y) z ~ dnorm(mu, tau) …といったコーディングは JAGS では許されないので，z <- sqrt(y) を data block に入れる，と．   15:40:29
  • これは，なぜ graphical model の MCMC sampler に cut 関数を実装するのが難しいか書かれています．図 (スライド p.16) のようなふつーではない詳細釣合から遷移確率を評価するのがしんどいとのこと．   15:59:38
  • 
  • Plummer さんの講演タイトルに含まれる "Chasing a moving target with MCMC" はそのムズかしさを表現しているわけで．   16:01:20
  • すみません，自分でも混乱ぎみな部分あるのですが… 1. cut とはモデル内で他の影響を受けずに乱数を発生させること 2. その MCMC 困難 3. しかし JAGS data block 内の乱数発生なら OK …上の理解には何か脱落ありそうなので勉強・実験してみます   16:09:02
  • 今日までに提出しなくてはならぬ，〆切しごとを片付けなくては… 統計モデリング妄想の現実逃避にはしってしまった!   16:09:51
  • RT @datasci_blogs : 【Qiita icoxfog417】 ニューラルネットワークで時系列データの予測を行う: ニューラルネットワークで時系列データを扱う場合、リカレントニューラルネットワークを使用します。今回は、そのリカレントニューラルネッ... bit.ly/1xDtAgR   17:54:19
• [今日の運動]
  • ラジオ体操: 0 回
• [今日の食卓]
  • 朝 (0630): 米 0.5 合． キャベツ・豆腐の味噌汁． 鶏肉．
  • 昼 (1200): 研究室． 米 0.7 合． ミニトマト． ブロッコリー． 鶏肉．
  • 晩 (1900): 米 0.7 合． シジミの味噌汁． ぬかさんま． ハクサイ・エノキダケの炒めもの．