投稿者「elsur」のアーカイブ

覚え書き：私が考えた最強のRパッケージ作成方法 (2022年12月版)

　仕事の都合でRパッケージを作ることがあるんだけど、そのたびに作り方を忘れていることに気づき右往左往する羽目になる。自分のための覚え書きとして、Rパッケージをつくるための手順をメモしておく。
　あくまでの私のためのメモなので、レベルの低さに驚愕したとしても、内緒にしておいてください。
続きを読む →

読了: Roy (2020) MCMC収束診断レビュー

Roy, V. (2020) Convergence Diagnostics for Markov Chain Monte Carlo. The Annual Review of Statistics and Its Application, 7(15), 1-26.

　仕事の都合でちょっと悩んだことがあって、現実逃避のために読んだ奴。
　題名通り、MCMCの収束診断についてのレビューである。正直、そんなに関心ある話題ではないのに、そしてすでにVats, et al.(2020), BDA3の該当部分を読んでいるのに、私にしては勉強熱心なことだ…
続きを読む →

読了: Goncalves et al. (2017) BarkerアルゴリズムによるMCMC

Goncalves, F.B, Latuszynski, K., Roberts, G.O. (2017) Barker’s algorithm for Bayesian inference with intractable likelihoods. Brazilian Journal of Probability and Statistics. 31(4). 732-745.

　本来私なんかが読むような論文じゃないんだけど、ちょっと事情があって前半部分のみ目を通した。すいません、すいません…
　えーと、MCMCではイテレーションのたびに移動を受理するかどうか確率的に決めるじゃないですか。受理の確率を求めるために、MHアルゴリズムの場合だと密度比とかいう式を使いますわね。でもあの式の代わりに別の式を使おうという話があって、そのひとつとしてBarkerのアルゴリズムというのがあるのだそうだ。この論文はその解説。
　2023/04/18追記: arXivに上がってたドラフトを読んでたんだけど、公刊されているのをみつけたので、そちらを読み直した。
続きを読む →

読了: Merkle, et al. (2021) blavaanパッケージはもはや潜在変数をサンプリングしないことにしたよ。Stanコードをいちいちコンパイルするのもやめたよ

　ここんところ仕事に家事に疲弊していて、残り時間はひたすらぼーっと過ごしていた。時間蠅は矢を好むということわざの通りである。(← 疲れているとろくなことを書かない)

Merkle, E.C., Fitzsimmons, E., Uanhoro, J. Goodrich, B. (2021) Efficient Bayesian Structural Equation Modeling in Stan. J. Statistical Software, 100, 1-22.

　Rのblavaanパッケージ、というのはつまりはSEMのための定番パッケージのひとつlavaanのベイズ版なんだけど、その紹介。実戦投入する前の儀式として読んだ。本論文の前にMerkle & Rosseel (2018, 同誌)というのがあるんだけど、そっちはめんどくさいのでパス。
　私はMplusの忠実な信者なので、lavaan/blavaanなど無視してMplusのみと戯れるシンプルライフを送りたいのだが、なかなかそうも云ってられない事情がある。
続きを読む →

読了：Stier, et al.(2020) サーヴェイ・データとデジタル・トレースデータの統合

Stier, S., Breuer, J., Siegers, P., Thorson, K. (2020) Integrating Survey Data and Digital Trace Data: Key Issues in Developing an Emerging Field. Social Science Computer Review, 38(5), 503-516.

　仕事の都合で読んだ奴。「サーヴェイデータとデジタル・トレース・データの統合」特集号の巻頭論文。
続きを読む →

読了：Thompson (2018) サーヴェイデータ結合についてのレビュー

Thompson, M.E. (2018) Combining Data from New and Traditional Sources in Population Surveys. International Statistical Review, 87. S79-S89.

　これも仕事の都合で読んだ奴。サーヴェイデータをセンサスとか管理データと結合するという話のレビューである。
　Google様いわく、被引用回数12件。渋い.. 渋いなあ…
続きを読む →

読了：Rao (2020) 非確率標本に基づく統計的推測手法レビュー

Rao, J.N.K. (2020) On Making Valid Inferences by Integrating Data from Surveys and Other Sources. Sankhya B: The Indian Journal of Statistics. 83, 242–272.

　これも仕事の都合で読んだ奴。非確率標本に基づく推測に焦点を当てたレビュー。
　ふだんなら読まないジャーナルだけど、著者が小地域推定で知られるラオ先生とあっては目を通さざるを得まい…と思った次第。
続きを読む →

読了：Enamorad & Imai (2019) 選挙調査における自己報告ベースの投票率が実際の投票率より高いのはなぜか

Enamorado, T., Imai, K. (2019) Validating self-reported turnout by linking public opinion surveys with administrative records. Public Opinion Quarterly, 83(4), 723-748.

仕事の都合で読んだ奴。サーヴェイ調査データを実行動記録とリンクさせ、調査結果のバイアスがなぜ起きているのかを突き止める、という話である。第二著者は日本人の若手政治学者として著名な人。
続きを読む →

覚え書き: BDA3 1.3 BDA3を読もうとするおまえらが知っておくべき確率論の基礎知識

　仕事の都合で、先日からベイズ統計学の有名な解説書BDA3をちまちまと読んでるんだけど、痛感するのは基礎学力のなさである。ほんとにね、私がこんな本読まなきゃいけない社会はどうかしていると思う。適材は適所に置くべきだ。私は寝るのに向いている。
　BDA3自体はなかなか親切な本で、大事なことはなんども説明してくれるし、それほど高レベルな知識を要求しているわけでもない。むしろ、必要な知識を前半部分でおさらいしてくれているからこそ、分厚い本になっているのである。従って、途中の章をいきなり読むと、私のように途方にくれることになる。

　というわけで、以下の節よりメモ。原文は2頁ちょっとしかない。
　Gelman, A. et al.(2014) Bayesian Data Analysis, Third Edition. Section 1.8 Some usefull results from probability theory.
続きを読む →

覚え書き: BDA3 Chap.12 計算効率の良いマルコフ連鎖シミュレーション

　引き続き、BDA3のメモ。
　Gelman, A. et al.(2014) Bayesian Data Analysis, Third Edition. Chapter 12. Computationally efficient Markov chain simulation.

　計算に関わる解説10-13章のうち中盤戦。いよいよHMCが登場する。
　実をいうと、これまで何度かHMCについて勉強しようと試みたことがあったのだが、そのたびに挫折していたのである。とにかくですね、物理学の用語が出てくると心が折れるのである。高校時代のトラウマかしらん。
　幸い本章は、HMCについても物理学ぬきで説明して下さる模様である。はい深呼吸して…
続きを読む →

覚え書き: BDA3 Chap.11 マルコフ連鎖シミュレーションの基礎

　引き続き、BDA3のメモ。
　Gelman, A. et al.(2014) Bayesian Data Analysis, Third Edition. Chapter 11. Basics of Markov chain simulation.

　計算に関わる解説10-13章のうち序盤戦、11章である。MHアルゴリズムまで出てくるが、HMCはまだ出てこない。いやー、計算の話って苦手なもので、どこまでついていけるものか、冷や汗が出ますね。
　原文はマルコフ連鎖シミュレーションという表現を好んで使っているんだけど、字数が多いので、このメモではMCMCと書く。またメトロポリス-ヘイスティングスはMHと書く。
続きを読む →

覚え書き: BDA3 Chap.10 ベイジアン計算入門

　中年男のぼやきというのは果てしないものだが、私の場合、仕事しててつくづく思うのは基礎学力の足りなさである。どこがどう足りないのかは面倒なので書きませんけど、それはもうね、辛いものです。
　わざわざデータ・サイエンティスト(っていうんですか？)を目指そうという物好きな方々に、私は言いたい。あほかと。ばかかと。いい年こいて勉強を続けなきゃいけないってのがどういう地獄なのか、ほんとにわかってんのかと。
　というわけで、時折発作的に「俺の知識には抜け漏れがある…！」「勉強しなきゃ…！」という焦燥感に駆られて、愛する布団からガバリと跳ね起き、小難しい本をメモをとりながら読んだりする次第である。

　以下もそのようにしてとったメモである。
　Gelman, A. et al.(2014) Bayesian Data Analysis, Third Edition. Chapter 10, Introduction to Bayesian computation.
　この大著の10-13章は計算の話に割かれており、本章はそのイントロにあたる短めの章である。わたくし、苦手なんです、計算の話。
続きを読む →

読了：「天幕のジャードゥーガル」「本気のしるし」「いたいお姉さんは好きですか?」「スーパーの裏でヤニ吸うふたり」「アンダーニンジャ」

天幕のジャードゥーガル 1 (1) (ボニータコミックス)
トマトスープ
モンゴル帝国の支配下で復讐を胸に生き延びようとするイラン人女性を主人公にした歴史ドラマ。まだ一巻だけど、これは面白い…
続きを読む →

読了：「将棋の渡辺くん」「ヘルドッグス」「東京サラダボウル」「5080」「恋じゃねえから」

電子書籍で読んだコミックスも記録しておこう。

ヘルドッグス 地獄の犬たち 1 (ヒューコミックス)
イイヅカケイタ, 深町 秋生
ヘルドッグス 地獄の犬たち 2 (ヒューコミックス)
イイヅカケイタ, 深町 秋生
ヘルドッグス 地獄の犬たち 3 (ヒューコミックス)
イイヅカケイタ, 深町 秋生
ヘルドッグス 地獄の犬たち 4 (ヒューコミックス)
イイヅカケイタ, 深町 秋生
深町秋生の小説のコミカライズ。web連載を追いかけて読んでいた(連載終了)。
　原作のストーリーを忠実に追いながら、演出は原作の描写に縛られず、コミックの特性を生かした工夫を凝らしている。一例を挙げると、小説でもっとも印象的な格闘シーンがあるのだが、コミック版ではその直後に、主人公はひとり地下道を歩き、静かにくずおれ、見開きで雨の夜の新宿駅の遠景が映し出される。感情的クライマックスの設計が異なる。なるほどー。
続きを読む →

読了：「華厳経入法界品」「空海 三業指帰」

梵文和訳 華厳経入法界品 ((上)) (岩波文庫 青 345-1)
梶山 雄一, 丹治 昭義, 津田 真一, 田村 智淳, 桂 紹隆
梵文和訳 華厳経入法界品 ((中)) (岩波文庫 青 345-2)
梶山 雄一, 丹治 昭義, 津田 真一, 田村 智淳, 桂 紹隆
善財童子の遍歴譚とはいえ、近代的な読み物ではなくお経であるからして、無限に続くかとも思われる過剰な形容語と果てのない反復に圧倒されるのだが、ページをめくっているとかすかなトランス状態に入っていくような感覚がありますね。
続きを読む →