2012年02月01日

おばちゃんとコーヒー

朝。寝坊。お昼ご飯食べながら後輩の発表チェックをするというので、お弁当を買いに。
途中、いつも4号棟のお掃除をしてくれるおばちゃんに、いつものように挨拶。

しばた「こんにちはー!」
おばちゃん「にぃちゃん、ちょっとこれ!」
しばた「!?」(110円渡される)
おばちゃん「これでコーヒーでも飲みぃ!」
しばた「え、いいんですか?」
おばちゃん「ええのええの、にぃちゃん、いつも挨拶してくれるから!」
しばた「!!」
しばた「ありがとうございます!いただきます!掃除いつもありがとう!」

朝から大変気持ちが良くなった出来事であった。
おばちゃんいい人だなぁ。いつも綺麗な研究室を使わせてもらってありがとうございます。

昼飯までの一時間、ドワーフミンククジラがクロミンククジラとともに調査捕鯨の対象になっていたことを調べる。少なくとも2002年以降は獲っていないようだが・・・。詳しいことは不明なので、近々IWCオフィスにでも資料を請求してみよう。StellaとMario、元気かなぁ。

昼飯を食べながら後輩の発表のチェック。やっぱこじんまりした部屋だと皆さん意見が活発。
好きなことを好きなように言う。

コーヒーに入れる黒糖が切れたのと集中力が切れたので、お買いものと読書。
ビブリア古書堂の事件手帖 2 栞子さんと謎めく日常


さらさらと読めてしまった。
やっぱ栞子さんいいなぁ。一巻同様テンポがいい。

その後バグ取り。
うーん、ブートストラップって便利だけど中々に扱いが難しいものでもありますな。何をブートストラップサンプルの単位とするかで、色々悩む。色々先行研究があってどれもきっと正しいのだろうけど、ちょっと自分のデータでやってみるとうまくいかない。ううむ、いくらなんでもこれはちょろまかしているのでは・・・と疑ったところで仕方ないので試行錯誤。いくつかシミュレーションをしかけて、今日はおしまい。明日の朝には終わっているであろう。



週末の読書。
デザインの組み方


本は10冊同時に読め!という本を読んでから、本屋で全く興味のない本棚をうろうろするクセがついた。そのときに衝動買いした一冊。広告やちらしのデザインの、劇的なビフォー・アフターが紹介されている。左側のページにビフォー、右側にアフター。その構成のおかげですごく変化が分かりやすい。プレゼンの勉強になるのはもちろん、伝えるための工夫に思わず唸る。色々考えさせられた本。僕は岡本太郎の「今日の芸術」がかつての愛読書だったのだけれど、それのおかげで美術館に行くと決まって頭が痛くなるまで鑑賞してしまう。同じ理由でこの本も読むのに苦労した。面白かった。


さよならドビュッシー


美味しい刺身を食わせてあげようと思って、近くの天王町というところの魚屋におでかけ。開店時間よりも一時間間違えて到着してしまったので、時間つぶしにこの本を買ってロイヤルホストへ。何の気もなしに選んだが、これが大当たり、だと僕は思った。ピアノを弾くシーンなんか、すごくよく描写されている。一文が短いから、さくさく読める。躍動感がある。一応推理小説の形をとっていて、最後のどんでんがえしは全く読めていなかった。ううむ。
僕はお母さんがピアノの先生だったので、昔教えられていたけど、大体の子供がそうであるように(?)、親に無理矢理教えられたピアノはたいして身に付かなかった。それでもたまに弾きたくなるので、横浜の家にもキーボードは置いてある。この本を読んで、また少し弾きたくなってきた。
posted by しばきん at 23:37| 神奈川 ☀| Comment(0) | TrackBack(0) | 日記 | このブログの読者になる | 更新情報をチェックする

2012年01月23日

日本語査読

午前中、メール書き。論文構想練り。
午後、メール書き。論文構想練り。色々D論の地図をノートに書き殴る。
一つ思いついたことを早速簡単にシミュレーション。いやはや、これはいかん。
全くとんちんかんなことをしていた。気づいてよかった。
総数は同じでも、中身が何かによって分散が変わる。

> temp <- c(10, 5, 5, 5, 5)
> temp2 <- c(rep(1, 15), 1, 1, 1, 1, 1, 2, 2, 2, 2, 2)
> temp3 <- c(seq(1, 7), 2)
> sum(temp);sum(temp2);sum(temp3)#合計はどれも30になる
[1] 30
[1] 30
[1] 30
>
> var(apply(matrix(sample(temp, 10000, rep=T), 5, 10000/5), 2, sum))
[1] 20.07601
> var(apply(matrix(sample(temp2, 10000, rep=T), 25, 10000/25), 2, sum))#サンプル数が多くなれば、分散は小さくなる
[1] 4.065407
> var(apply(matrix(sample(temp3, 10000, rep=T), 8, 10000/8), 2, sum))
[1] 32.30144


こんなことにも最後まで気付かないとは、・・・がっくし。
夕方と夜、中国人の友人に、修論の日本語チェックを頼まれる。
40ページの大作。チェックがしんどかった。が、お礼に前払いでお手製中華料理をいただいているので、断れるはずもなく。

100000年後の安全


放射性廃棄物をフィンランドの地下深くに埋める。安全は10万年後に訪れるらしい。10万年後、人類がいるとして、そこに放射性廃棄物があることを知らせるべきか。10万年前の人類の言葉を我々は理解してできないのだから、彼らは何か埋めてあると知れば好奇心で掘ってしまうだろうか。いや、それとも絵を使って知らせればなんとか伝わるのか。いやいや、太陽にロケットで打ち込めば・・・。国を挙げて放射性廃棄物を隔離する懸命さが伝わってくる。途中から同じ主張が繰り返されて、集中力が途切れるのが難点であった。
posted by しばきん at 23:36| 神奈川 ☔| Comment(0) | TrackBack(0) | 研究生活 | このブログの読者になる | 更新情報をチェックする

2012年01月19日

ニコ生

午前中、何人かにメール書き。初めて連絡する方もいて、緊張して何度も書き直す。
やっぱり書くの遅いな。

午後、ずーっと気になっていたドアのたてつけを直す。
ずずーっという音が閉まるときに盛大に響いていて、集中力が妨げられていたので、自前でテープを買ってきて、摩擦の起こっている部分に張り付ける。何度か試行錯誤して音が収まったので、それで良しとする。

午前にメールを書いた方から早速返事を頂いたので、それの返信書き。
後で考えると、少し焦って返信してしまった。きちんと書いてくれていたのに、真意を組み損ねた。
メールは僕にとっての鬼門だ。

夜、共同研究者から要旨の添削が帰ってきた。
少し修正して、学会に提出しよう。

酒を飲みながら、映画を観る。
天使にラブソングを


天使にラブソングを2


昔、第一作は観たことがあったのだが、すっかり忘れてしまっていたので観直し。
歌手が殺人現場を目撃して、修道院に隠れ住み、シスターたちの聖歌隊を盛り立てていくお話。
本当に楽しそうに歌っているので、観ていて気持ちがいいし、ニヤけてしまう。


その後、ボスが出ているニコ生を観る。
画面をはさんでいるだけなのに、何をいいたいのかさっぱり分からない。
話が飛ぶ。一番左にいた司会者ではない人は、本当に信用していいのかどうか、最後まで分からなかった。単なる自慢話では?話それたぞ、と思える発言や、それで本当に安全なのか?という点が気になって仕方なかった。
どこかの学会とも意見が一致した、とのことを言っていたので、確認しようと思う。

番組を通して、反原発派か推進派か、という話と、福島での原発リスクを考える、という話をきっちり分けていたのが大変印象的。名司会者。確かに、両者を一緒に語ると話がややこしい。これからどうするか、という話と、起こってしまった今に向き合う話では、話が噛み合わないだろう。

ボスは普段通りの調子で、ノーネクタイでいつも持っているノーパソも映っていた。
意見もいつもと変わらず。あまり自分からは話さず、振られたときに答えるスタイルを貫いていたように感じた。
posted by しばきん at 23:56| 神奈川 ☁| Comment(0) | TrackBack(0) | 研究生活 | このブログの読者になる | 更新情報をチェックする

2012年01月18日

動的計画法で最適食事メニューを決める

午前中、今日は日本水産から研究員の方と一緒に寄稿しているメールマガジンの原稿案を書く。
午後も半分はそれを仕上げることに費やす。午後後半、日本水産の研究員の方がプロフィールを書いてくれというのでそれを仕上げる。夕方、研究員の方と気分転換に本を買いに生協へ。

買ったそばから読破。
ビブリア古書堂の事件手帖


ビブリアとは、"bibliobibuli"、=「本の虫」という単語から取ったのだと思われる。
栞子(しおりこ)さんという本の虫の店主が、このビブリア古書堂の店主。主人公はニートな23歳(♂)で、亡くなった祖母の本に価値があるかどうか調べるため、ビブリア古書堂を訪れる。栞子さんは本の虫に加えて、ものすごい推理力の持ち主で、話を聞いているだけであらゆることを見抜く。そうしていつの間にか雇われていることになっている主人公と栞子さんが、奇妙な客人たちの本にまつわる秘密や事件を解決していくお話。大変テンポよく」最後まで面白かった。日本水産の方が金田一少年の事件簿を昔、次の号が発売されるよりも早く犯人を当てて雑誌に応募していたという話を聞いて、推理小説を推理しながら読む、という行為をしてみた。初めてこんなに頭を使いながら小説を読んだと思われる。一つはほぼ推理通りだったので、さりげに結構嬉しかった。

ところで僕は研究者はアスリートと同じくらい食事に気をつけるべきだと思っている。
少なくとも僕の場合、食事によって頭の回転率が全然違う。市販の甘いコーヒーを飲んだりお腹いっぱいになったりすると、全く研究が出来なくなる。そういうことを自分で気をつけるうちに、取る栄養にも気を遣うようになった。それでいつか大学生協のメニューでも、必要な栄養が取れるようざっと計算したのだが、生協側が食事メニューを公表していることを知ったので、だいぶ前に動的計画法の練習をしたときのプログラムをそのまま、食事メニューに応用してみた。


> x <- read.table("eiyou.txt")
> colnames(x) <- c("Name", "Money", "Kcal", "red", "green", "yellow", "salt")
>
> ###こんなデータ###
> head(x)
Name Money Kcal red green yellow salt
1 スンドゥブ 294 398 4.3 0.1 0.8 4.2
2 チキンおろしだれ 294 458 2.7 1.5 1.2 1.4
3 桜姫鶏チキンカツ 294 519 2.9 0.1 4.3 0.2
4 豚生姜焼き&唐揚げ 294 368 3.5 0.3 1.3 2.2
5 豚バラ塩カルビ 294 548 5.6 0.1 0.5 1.2
6 おろし唐揚げ 189 232 1.6 0.1 1.4 2.4
>
> ###red###
> x <- x[order(x[, 4]), ]
>
> ###メニューの金額###
> w <- x[, 2]
>
> ###食事の栄養価値(ここでは赤の点数)###
> v <- x[, 4]
>
> M <- matrix(0, length(w)+1, sum(w)+1)
>
> T <- sum(w)+1
>
> for (n in 1 : length(w)) {
+ for (t in 1 : (T-1)) {
+ if(w[n] > t) {
+
+ M[n+1, t+1] <- M[n, t+1]
+ } else {
+
+ M[n+1, t+1] <- max(M[n, t+1], v[n] + M[n, t-w[n]+1])
+ }
+ }
+
+ }
>
> ###行の名前に金額と価値を小数点で区切って両方載せてみる###
> M2 <- M[(2:nrow(M)), (2:ncol(M))]
> rownames(M2) <- paste(v, w)
> rownames(M) <- c(0, paste(v, w))
> #M[, 1:200]
>
> ###例えば赤にかけるお金が200円未満だとすれば###
> M[, 199:200]
[,1] [,2]
0 0.0 0.0
0 84 0.0 0.0
0 52 0.0 0.0
0 52 0.0 0.0
0 52 0.0 0.0
0 52 0.0 0.0
0 84 0.0 0.0
0 73 0.0 0.0
0 105 0.0 0.0
0 31 0.0 0.0
0.1 52 0.1 0.1
0.1 52 0.2 0.2
0.2 84 0.4 0.4
0.2 52 0.5 0.5
0.3 126 0.5 0.5
0.4 105 0.6 0.6
0.4 73 0.8 0.8
0.5 126 0.8 0.9
0.5 126 0.8 0.9
0.5 42 1.1 1.1
0.7 52 1.6 1.6
0.9 84 2.1 2.1
0.9 52 2.5 2.5
1 157 2.5 2.5
1 126 2.5 2.5
1.1 157 2.5 2.5
1.5 157 2.5 2.5
1.6 189 2.5 2.5
1.6 126 2.5 2.5
1.7 126 2.6 2.6
1.9 157 2.6 2.6
2.7 294 2.6 2.6
2.9 294 2.6 2.6
3.5 294 2.6 2.6
4 157 4.0 4.5 #ここで157円で赤4点のものが最も199円だと良い組み合わせ
4.3 294 4.0 4.5
5.6 294 4.0 4.5
>
> ###お金と赤の点数の一覧###
> paste(v, w, x[, 1])
[1] "0 84 カボチャ煮"
[2] "0 52 ほうれん草のゴマあえ"
[3] "0 52 五目ひじき"
[4] "0 52 オクラごま和え"
[5] "0 52 ほうれん草のナムル"
[6] "0 84 ポテト&コーンサラダ"
[7] "0 73 ライスS150g"
[8] "0 105 黒米麦ごはんS"
[9] "0 31 ほうれん草とふの味噌汁"
[10] "0.1 52 大根そぼろ味噌"
[11] "0.1 52 牛とろコロッケ"
[12] "0.2 84 冬のバランス惣菜"
[13] "0.2 52 鶏ごぼうきんぴら"
[14] "0.3 126 大根とチキンのタルタルサラダ"
[15] "0.4 105 厚切りハムカツ"
[16] "0.4 73 小豚汁"
[17] "0.5 126 チーズメンチ"
[18] "0.5 126 白身フライのマリネ"
[19] "0.5 42 納豆"
[20] "0.7 52 冷やっこ"
[21] "0.9 84 揚げだし豆腐"
[22] "0.9 52 半熟卵"
[23] "1 157 根菜黒酢あんかけバーグ"
[24] "1 126 鶏の梅しそ天ぷら"
[25] "1.1 157 ささみチーズカツ"
[26] "1.5 157 鯖の味噌煮"
[27] "1.6 189 おろし唐揚げ"
[28] "1.6 126 くずし豆腐"
[29] "1.7 126 麻婆豆腐"
[30] "1.9 157 豚キムチ炒め"
[31] "2.7 294 チキンおろしだれ"
[32] "2.9 294 桜姫鶏チキンカツ"
[33] "3.5 294 豚生姜焼き&唐揚げ"
[34] "4 157 サバ塩焼き"
[35] "4.3 294 スンドゥブ"
[36] "5.6 294 豚バラ塩カルビ"



例えば199円までかけるなら、サバ塩焼きが157円で赤4点を稼ぎだすのでお得ということになる。ちなみに赤の一日の必要点数は6点のため、平均で一食につき2点を取ればよいことになるので、サバの塩焼きは良いコストパフォーマンスであろう。

こんな感じで他の黄色や緑についても計算していく。
ちなみに緑と黄色の一日の必要摂取量は、それぞれ3点と11点。
赤と緑と黄色の点数を必要摂取量に近づけつつ、一食500円以内で、という制限をかけた結果、以下のようになった。

商品名 税込価格 エネルギー量 赤 緑 黄 塩分
サバ塩焼き 157 円 319 kcal 4.0 0.0 0.0 2.3 g
カボチャ煮 84 円 85 kcal 0.0 0.5 0.4 1.5 g
五目ひじき 52 円 20 kcal 0.0 0.1 0.3 0.4 g
ポテト&コーンサラダ 84 円 86 kcal 0.0 0.5 0.6 0.6 g
ライスS150g 73 円 255 kcal 0.0 0.0 3.2 0.0 g

合計 450 円 765 kcal 4.0 1.1 4.5 4.8 g


本当はビタミンとか、カルシウムとか細分化して最適化したいがまぁとりあえずは良しとする。調べるのは少し手間だし。ちなみに動的計画法で出すと好みは無視される。なので、実は上記のメニューは多少好みで入れ替えた。おおよその参考にしようと思う。
ラベル:R 書評
posted by しばきん at 21:49| 神奈川 ☁| Comment(0) | TrackBack(0) | 研究生活 | このブログの読者になる | 更新情報をチェックする

2012年01月17日

Predictive AIC

午前中、昨日のポスターの確認を共著者間で了解がとれたので、提出。
その後お昼ご飯まで次の論文のネタに頭を悩ます。途中論文読み。

午後、次のネタを考えるうえでの参考文献を読む。
Modification of AIC-type criterion in multivariate normal linear regression with a future experiment. Kenichi Satoh. Hiroshima Math. J. Volume 30, Number 1 (2000), 29-53.

AICというモデル選択の基準がある。しかし、AICは共変量が取りうる値の範囲が、データが得られたときと、未来の予測をするときで一緒である場合に、良いモデルを選ぶ。著者らは、データフィッティングのときと未来の予測のときで共変量の取りうる範囲が変わる、言いかえると、(回帰的)外挿をする場合でも予測出来るPredictive AIC (PAIC)という規準を開発した。

この論文は、そのPAICをさらに改良する、という話だが、今日分かったのは、PAICまで。っていうか数式難しすぎ。途中、プログラミングのための線形代数という本を読んで、行列の勉強をし直す始末。大変直観的に分かりやすいし、文章も僕みたいなエセ理系には分かりやすい。



要はPAICは、AICcの拡張版みたいである。本文中では、CAICと表記されているが、定義を見るとおそらくAICcのことだと理解。AICcはサンプルサイズが小さいときのAICの改良版である(と理解している)。北大の久保さんのサイトによると、誤差が正規分布のとき以外にはおそらく意味がない補正だろう、と書かれている。何故なのか気になる。例えばこの論文では、誤差がポアソン分布だが、AICcを使ってモデルを比較しているように読める。

まぁとにかく、この論文中だと、PAICは、得られたデータと未来のデータセットが同じ場合は、AICcと同じ値を返す。またその定義から、現在のデータセットに対して未来のデータセットのサンプルサイズと平均値が大きいと、大きな値を返す(と理解)。少数のデータセットで推定した回帰式を、大規模データに外挿したり、得られたデータセットと全く異なるレンジのデータセットを予測に使おうとするときに、ペナルティを与える仕組みのようだ。
個人的には誤差がポアソン分布のときの、PAICが知りたい。僕の頭では導出するのは難しそう。

その後、休憩時間に同室の方に回帰分析と検定を教えてみる。
夕方、速読の本を速読。視野を広くとる、というのはやりやすいかもしれない。



夜、後輩が行くということでGCOEの飲み会に参加。
お世話になった事務の方にごあいさつ。今まで本当にありがとうございました。
ついでにボスにシベリア行きを改めて報告。今からわくわくする。
ラベル:統計学 数学
posted by しばきん at 21:54| 神奈川 ☁| Comment(2) | TrackBack(0) | 研究生活 | このブログの読者になる | 更新情報をチェックする

2012年01月16日

鯨を守るための市場からのアプローチ

午前中、ちょっと寝坊。後輩の論文の背景にコメント。
午後、イギリスに行った際の負債(?)というか、ポスター発表が二件残っているので、それを提出用に仕上げる。
夕方に博士課程の後輩がお茶に誘ってくれたので、皆で図書館のカフェへ。僕は途中で赤の女王を読み耽る。
共著者の皆様にお伺いのメールを立てて、後輩の論文の方法以降にコメントをした後夜ごはんへ。
うーむ、自分の研究があまり進まなかった。

今日の一本。論文ではないけれど。
Conservation science: A market approach to saving the whale.
Christopher Costello, Steven Gaines & Leah R. Gerber. 2011. Nature 481. 139–140

著者のChristopher CostelloさんはRebuilding global fisheriesの著者の一人。

捕鯨派と反捕鯨派で対立しているデッドロックな状態を経済の力で解決しましょう、という話。
まとめると、

・Whale sharesというグループを作って、そこに参加した国間に鯨の割り当て量を与える。
・割り当てられた鯨の頭数は、国間でその権利を売買出来る。
・shareする権利が誰が所有しているかによって鯨を捕獲するかどうかが決まる。ある人(捕鯨者)が全ての割り当ての権利を握れば、鯨は合意された持続可能なレベルまで捕獲されるし、またある人(反捕鯨者)が全ての権利を握れば捕獲数ゼロとなるだろう。

イメージとしてはITQのようなものと考えてよいと思われる。
なるほど、こうすれば、捕鯨者は反捕鯨者からお金をもらえるので、それで生活は出来るだろう、というわけだ。いかに割り当て量を決めるかは、過去の温室効果ガス削減の議論が参考になるだろう、と書いてある。例えば過去の捕獲量を基に、捕鯨国と反捕鯨国で割り当ててはいかが、と書いてある(具体的にどういう・・・??)。

面白かったのは、以下の試算。
シーシェパードが2008年のキャンペーンで守ったと主張している鯨の数は350頭。そのときのキャンペーンで使ったお金が2500万ドル。しかし著者らの試算で行くと、350頭守るためには、400万ドルで権利を買えば良いらしい(クロミンククジラ1頭の値段を算出して計算したようだ)。




宣伝です。
ウチのボスがニコニコ動画の生放送に出るそうです。
興味があればぜひ。
ラベル:
posted by しばきん at 22:23| 神奈川 ☁| Comment(0) | TrackBack(0) | 研究生活 | このブログの読者になる | 更新情報をチェックする

2012年01月12日

外挿の問題とどのようにして個体群モデルが助けるか

The extrapolation problem and how population modeling can help. (2008). Valery E. Forbes, Peter Calow, Richard M. Sibly. Environmental Toxicology and Chemistry. Volume 27, Issue 10, pages 1987–1994

Species Sensitivity distributionとか、50% Lethal concentrations等の専門用語を正しく掴めていないので、大変読みづらかった。以下読めた範囲での簡単なまとめ。
ここでの外挿とは、例えばラボで取られた結果をフィールドに外挿、とか、ある種で取られた閾値を他の種に外挿、という意味らしい。そういう外挿は全て経験的だから良くないとのこと。理論に裏打ちされていないということらしい。一方で個体群モデルによる外挿だと、色々な変数を組み込めるためより深い理解が出来るだろう、とのこと。逆にこちらは理論に裏打ちされているということかな。生態学的なリスクを評価する際には、経験的に評価するのではなく、モデルを使ってそのメカニズムも考慮して評価しなさい、ということだと思われる。

生物の分布を予測する話でも、相関や経験則ではなく、分布のメカニズムを考慮して分布を評価しなさいという話がある。一方で相手が生物だと、他種や同種間の競争を始めとする相互作用を、分布の予測モデルに取り入れるのが困難だということも認識されている。だから、いくらメカニズムを考慮して評価したほうが良い、とのことでも、それにも限界があるに違いない、と思う。ベターだけどベストではなく、ベストに近づくことは出来てもそのものになることは出来ない、と言ったところかなあ等思ったり。
ラベル:統計学
posted by しばきん at 00:10| 神奈川 ☁| Comment(0) | TrackBack(0) | 研究生活 | このブログの読者になる | 更新情報をチェックする
×

この広告は1年以上新しい記事の投稿がないブログに表示されております。