ぎょーむ日誌 2015-03-15
2015 年 03 月 15 日 (日)
-
0600 起床.
朝飯の準備.
朝飯.
コーヒー.
-
1010 自宅発.
1030 研究室着.
-
今日のぢたばた
……
- パフォーマンスを向上させたいなら、カフェインを減らそう www.lifehacker.jp/2015/03/150314…
"被験者のカフェイン使用をコントロールすることで…カフェインに関係するパフォーマンス向上はカフェインの禁断症状無しでは存在しないことを発見しました" 依存な私にはつらい結果…
12:08:13
- 「ななめ直線まわりの乱歩」データへの状態空間モデルJAGSあてはめ,ニセ誤差はヤメて,ふつーに「システムノイズ」「観測ノイズ」を推定させたほうがマシな推定結果になっているような気がする.観測ノイズとやらは10倍ぐらい過大推定だけど…
15:18:53
-
- しかし,この「傾き」の推定,ただ単に始点と終点を結ぶ直線の傾きを推定しているだけ? なぜか95%予測区間内に「ホントのかたむき」(青破線) をとらえてくれてはいるのだが…いっぽうで,この区間内に「傾きゼロ」が入る確率は25%ぐらいかな.
15:24:37
- 今度は「逆」,システムノイズは0.01で観測ノイズとした場合.時間相関がすごく小さく,つまり「ふつーの直線あてはめ」モデルと対応する場合.先ほどと同じ状態空間モデルのJAGSあてはめ…まあ,妥当でしょう.システムノイズ過大推定だけど…
15:32:13
-
- 「あたりまえ」すぎるから誰もいちいち指摘してないのかもしれないけれど,二種類のノイズを同時に推定する状態空間モデルは, ・自己回帰な乱歩 ・直線+各時点独立な正規乱数 (直線あてはめ) ふたつのモデルのどちらにも対応できる,というのが利点のひとつなのか?
15:39:19
- 状態空間モデルの二種類のノイズ,システムノイズと観測ノイズの事後分布サンプルに負の相関がありそう.図はそれぞれの対数の散布図,対数をとると二変量正規分布っぽく見える(要・心眼),3000点つかって線形相関係数を計算してみると-0.17
15:49:51
-
-
RT
@ibaibabaibai
:
@KuboBook
それはそういうものです.データのぎざぎざを説明するのに両者に配分しているわけなので.
16:10:19
-
RT
@ibaibabaibai
:
@KuboBook
もし曲線のかたちのMAP推定値だけに注目するなら,両雑音の比が推定された曲線の形状をきめる.ところが,いまの理屈から周辺尤度がほぼ平らになるのは両雑音の積(?)が一定の曲線上.その曲線の上の微妙な凹凸で両雑音の比→曲線の形状がきまる.
16:10:22
- .
@ibaibabaibai
まあ,library(dlm) で十分なのかもしれませんが,生態学会ではどうせ個体数とかオス・メス比とかの変動あつかいたいという要望があるので dlm ではダメ.CRAN packageさがしをがんばるなら,JAGS でやろうよといった煽動の準備中…
16:19:06
-
@TJO_datasci
@ibaibabaibai
煽動おおくして船やまにのぼる,ですよ.ことわざの意味はよく知りませんが,いろいろあおっているうちに,尤度の高いところに到達できる…といった教えなのではないでしょうか?
16:30:50
- 毎年の増分ゼロのランダムウォークへのあてはめ,状態空間モデルは無難なかんじで.事後分布の中央値は乱歩にひきづられるけど増分 95%区間にゼロが入っている.これが正規分布な直線あてはめだと,とうぜんながらどれも「ゆーいな傾き」となる…
17:17:28
-
-
@ibaibabaibai
KFAS,ど忘れしないようメモしといたのにど忘れしてました…ちょっと cran.r-project.org/web/packages/K…
など調べてみたのですが,時系列モデルの知識ゼロの聞き手が対象なので,BUGSの単純なモデル指定のほうが説明がラクそう…という気がしてます
22:49:42
- かつて library(sspir) という非ガウスな時系列モデルあてはめ R package が存在していたとのことだけど,いまやそれは削除されてしまっている cran.r-project.org/web/packages/s…
22:53:38
- 非ガウスな時系列あてはめできるKFAS cran.r-project.org/web/packages/K…
私が調べる時間があまりないのが最大の問題なんだけど…GLMMの関数の使いかた・JAGSの使いかた,どちらを勉強するのがおトク?みたいなハナシかな…
23:10:54
-
-
@ibaibabaibai
う,そういうワナがあるんですか…
23:24:28
-
RT
@ibaibabaibai
:
@KuboBook
分散が変動するから「張力」みたいなものも変動しますよね.収束の様子も大きく変化します.たとえば,データが不十分だと定数(1階)や直線(2階)になりますけど,その途中で動かなくなるなど.推定がうまくいってるときは割と大丈夫ですが,「ゆーい」でないと不安定に.
23:40:32
- .
@ibaibabaibai
なるほど…うまく推定できているかどうか,ちゃんと確認するようにします.ありがとうございます.
23:42:04
- そしてたったいま気づいたのでだけど,夕方にやってたあれこれ実験,分散がに種類あって,真の値がすごく小さく設定した s[2] の推定がうまくいってなかった,とは…そうか「過大推定」とかになってた原因はこのあたりにあるのかも.
23:44:32
-
-
RT
@ibaibabaibai
:
@KuboBook
いやダメなとき,本当にダメなのか自信もてない,みたいな.自分じゃなくて院生さんの体験ですけど.MCMCの陥ってる状況が本能的に察知できないと混乱してしまいますね.
23:46:23
- 真夜中にじたばたしてもしょうがないので,本日はここで撤退.ああいう簡単な例題でコケるとは,なかなか油断ならないけれど…まあ,もうちょっと試行錯誤して,二種類の分散がうまく推定できるかどうか,調べてみましょう.どうしてもダメなら KFAS の使いかたもだいたいわかってきたことだし…
23:48:53
-
[今日の運動]
-
[今日の食卓]
- 朝 (0720):
フレンチトースト.
- 昼 (1200):
米 0.7 合.
鶏肉カレー.
ミニトマト.
- 晩 (1900):
ハクサイ・ネギ・豚肉の鍋.