20092009 R MCMC JAGS

JAGSでメタアナリシス

マルコフ連鎖モンテカルロ法の5-2をJAGSで

ProductName マルコフ連鎖モンテカルロ法 (統計ライブラリー)
豊田 秀樹
朝倉書店 / ￥ 4,410 ()
在庫あり。

モデル

model
{
  for( i in 1 : Num ) {
    rc[i] ~ dbin(pc[i], nc[i]);
    rt[i] ~ dbin(pt[i], nt[i]);
    logit(pc[i]) <- mu[i];
    logit(pt[i]) <- mu[i] + delta[i];
    mu[i] ~ dnorm(0.0,1.0E-5);
    delta[i] ~ dnorm(d, tau);
  }
  d ~ dnorm(0.0,1.0E-6);
  tau ~ dgamma(0.001,0.001);
  delta.new ~ dnorm(d, tau);
  sigma <- 1 / sqrt(tau);
}

Rのコード

library(rjags)

data <- list(rt = c(49, 44, 102, 32, 85, 246, 1570),
     nt = c(615, 758, 832, 317, 810, 2267, 8587),
     rc = c(67, 64, 126, 38, 52, 219, 1720),
     nc = c(624, 771, 850, 309, 406, 2257, 8600),
    Num = 7)

inits <- list(d = 0, delta.new = 0, tau=1,
     mu = c(0, 0, 0, 0, 0, 0, 0),
  delta = c(0, 0, 0, 0, 0, 0, 0))

m <- jags.model(
  file = "model.txt",
  data = data,  
  inits = list(inits),
  n.chains = 1
)


update(m,5000)

x <- coda.samples(
    m,
    c("d","sigma"),
    thin = 1, n.iter = 15000
)

summary(x)

plot(x)

結果

> summary(x)

Iterations = 6001:21000
Thinning interval = 1 
Number of chains = 1 
Sample size per chain = 15000 

1. Empirical mean and standard deviation for each variable,
   plus standard error of the mean:

         Mean      SD  Naive SE Time-series SE
d     -0.1400 0.08028 0.0006555       0.001885
sigma  0.1285 0.08188 0.0006686       0.002196

2. Quantiles for each variable:

          2.5%      25%     50%     75%    97.5%
d     -0.31570 -0.18244 -0.1338 -0.0908 0.003366
sigma  0.02855  0.06916  0.1110  0.1672 0.331475

mcmc_5_2

19092009 music

J / RATN

「あともう一回だけ」が超切ない。でも前向き。

ProductName J
RATN
disque corde / ￥ 2,415 (2005-08-20)
在庫あり。

19092009 music

Dummy / Portishead

Wandering Star 聴くとやる気がでてくる。

ProductName Dummy
Portishead
Go! Discs/London / ￥ 1,357 (1994-10-17)
在庫あり。

19092009 music

Grott / DUB ARCHANOID TRIM

スピリチュアルダブ!

ProductName Grott
DUB ARCHANOID TRIM(D.A.T.)
インディーズ・メーカー / ￥ 2,730 (2002-10-25)


これはやばかった。

最近、itunesでレーティング付けてるので、良さげなアルバムを掘り起こしてる。

19092009 R MCMC JAGS

JAGSでロジスティック回帰モデル

macでwinbugsを頑張って動かすのもアレなので、潔くJAGSで。

マルコフ連鎖モンテカルロ法の5-1

ProductName マルコフ連鎖モンテカルロ法 (統計ライブラリー)
豊田 秀樹
朝倉書店 / ￥ 4,410 ()
在庫あり。

生態学のデータ解析 - R で JAGSによるとjagsの場合にはBUGS言語の文（式）の終わりにはセミコロンが必要。

model
{
  for(i in 1:N){
    r[i] ~ dbin(p[i],n[i]);
    e[i] ~ dnorm(0.0,tau);
    logit(p[i]) <- beta0+beta1*x1[i]+beta21*x21[i]+beta22*x22[i]
    +beta23*x23[i]+beta24*x24[i]+beta25*x25[i]
    +beta26*x26[i]+beta27*x27[i]+e[i];
  }
  beta0 ~ dnorm(0.0,1.0E-6);
  beta1 ~ dnorm(0.0,1.0E-6);
  beta21 ~ dnorm(0.0,1.0E-6);
  beta22 ~ dnorm(0.0,1.0E-6);
  beta23 ~ dnorm(0.0,1.0E-6);
  beta24 <- 0;
  beta25 ~ dnorm(0.0,1.0E-6);
  beta26 ~ dnorm(0.0,1.0E-6);
  beta27 ~ dnorm(0.0,1.0E-6);
  tau ~ dgamma(0.001,0.001);
  sigma<-1/sqrt(tau);
}

Rのコード

library(rjags)

data <- list(
r = c(1,13,44,155,92,100,18,0,0,2,1,0,2,0),
n = c(13,70,115,301,153,141,26,6,16,25,32,8,9,4),
x1 = c(0,0,0,0,0,0,0,1,1,1,1,1,1,1),
x21 = c(1,0,0,0,0,0,0,1,0,0,0,0,0,0),
x22 = c(0,1,0,0,0,0,0,0,1,0,0,0,0,0),
x23 = c(0,0,1,0,0,0,0,0,0,1,0,0,0,0),
x24 = c(0,0,0,1,0,0,0,0,0,0,1,0,0,0),
x25 = c(0,0,0,0,1,0,0,0,0,0,0,1,0,0),
x26 = c(0,0,0,0,0,1,0,0,0,0,0,0,1,0),
x27 = c(0,0,0,0,0,0,1,0,0,0,0,0,0,1),
N = 14)

inits <- list(beta0 = 0, beta1 = 0, beta21 = 0,  beta22 = 0, beta23 = 0, beta24 = 0, beta25 = 0, beta26 = 0,  beta27 = 0, tau = 1)

m <- jags.model(
  file = "model.txt",
  data = data,  
  inits = list(inits),
  n.chains = 1
)

update(m,10000)

x <- coda.samples(
    m,
    c("beta0","beta1","beta21","beta22","beta23","beta24","beta25","beta26","beta27", "sigma"),
    thin = 1, n.iter = 40000
)

summary(x)

plot(x)

サマリーの表示

> summary(x)

Iterations = 11001:51000
Thinning interval = 1 
Number of chains = 1 
Sample size per chain = 40000 

1. Empirical mean and standard deviation for each variable,
   plus standard error of the mean:

           Mean     SD Naive SE Time-series SE
beta0  -0.02576 0.4188 0.002094        0.03425
beta1  -3.11738 0.6059 0.003030        0.01815
beta21 -3.03168 1.4556 0.007278        0.03269
beta22 -1.52877 0.6757 0.003379        0.02993
beta23 -0.28549 0.6355 0.003177        0.04374
beta24  0.00000 0.0000 0.000000        0.00000
beta25  0.35897 0.5926 0.002963        0.02957
beta26  1.05996 0.6389 0.003194        0.04301
beta27  0.70287 0.7677 0.003838        0.03026
sigma   0.34110 0.3980 0.001990        0.03152

2. Quantiles for each variable:

           2.5%      25%      50%      75%   97.5%
beta0  -1.11529 -0.15412  0.02137  0.16865  0.7406
beta1  -4.48731 -3.46881 -3.06188 -2.70570 -2.0882
beta21 -6.39669 -3.83976 -2.86884 -2.05688 -0.6382
beta22 -2.90198 -1.87085 -1.54216 -1.21238 -0.0738
beta23 -1.27301 -0.63488 -0.39022 -0.08097  1.4261
beta24  0.00000  0.00000  0.00000  0.00000  0.0000
beta25 -0.87361  0.10421  0.34604  0.59078  1.7201
beta26  0.08425  0.72545  0.96155  1.25666  2.7809
beta27 -0.80720  0.33750  0.71085  1.10396  2.1284
sigma   0.02816  0.08266  0.19387  0.45606  1.3892

5章は事例がたくさん載っているので、この勢いで一通りやっておこう。

  • 5.1　ロジスティック回帰モデル　
  • 5.2　メタ分析　
  • 5.3　多項ロジットモデル　
  • 5.4　対数線形モデル　
  • 5.5　ポアソン回帰　
  • 5.6　2値データに対する回帰分析　
  • 5.7　トービット回帰モデル　
  • 5.8　変曲点のある回帰分析　
  • 5.9　生存時間分析(ワイブル回帰)　
  • 5.10　生存時間分析(コックス回帰)　
  • 5.11　時系列モデル　
  • 5.12　分散分析　
  • 5.13　分散成分分析　
  • 5.14　分散分析(枝分かれ配置)　
  • 5.15　一般化可能性理論　
  • 5.16　反復測定データの分散分析　
  • 5.17　階層線形モデル　
  • 5.18　項目反応理論(2母数2値モデル)　
  • 5.19　項目反応理論(段階反応モデル)　
  • 5.20　項目反応理論(名義反応モデル)　
  • 5.21　項目反応理論(部分採点・評定尺度モデル)
  • 5.22　項目反応理論(連続反応モデル)
  • 5.23　多次元IRT
  • 5.24　項目反応理論(混合名義反応モデル)　
  • 5.25　項目反応理論における特異項目機能(DIF) の分析　
  • 5.26　正規混合モデル　
  • 5.27　潜在クラス分析　
  • 5.28　成長曲線モデル　
  • 5.29　非線形成長曲線モデル　
  • 5.30　因子分析　
  • 5.31　多母集団分析　
  • 5.32　非線形SEM　

19092009 Python

Dive Into Python 3

欲しい

ProductName Dive into Python 3 (Books for Professionals by Professionals)
Mark Pilgrim
Apress / 3877円 ( 2009-09 )


僕はまだ2.6系使ってるが。

18092009 music

Last Smile

よいですな

ProductName Early Times
LOVE PSYCHEDELICO
ビクターエンタテインメント / ￥ 3,045 (2005-02-09)
在庫あり。

18092009 music life

テクニコフで堕ちる

新入社員から寝ぼけたメール来たはよいですな。

ProductName テクニコフ
月刊プロボーラー
インディーズ・メーカー / ￥ 2,300 (2005-02-25)
在庫あり。

いろいろ考えながらテクニコフ聴いてたら堕ちた。堕ちたというより堕ちる余裕が出来たということか。

18092009 perl

駱駝使いw (2)

行末がOCamlっぽくなっても大丈夫!

use XXX;;
use WWW::Mixi::Scraper;;
my $mixi = WWW::Mixi::Scraper->new(
    email => 'ml', password => 'pw',
    mode  => 'TEXT');;
XXX $mixi->new_friend_diary->parse;;

18092009 perl OCaml

駱駝使いw

perlと言えば駱駝、OCamlと言えば駱駝。つまり両頭使いは必然の流れですな。

perl4camlを使うとocamlでperlのコードを取り込める。

#require "perl";;
open Perl;;
eval "use Net::Twitter";;
eval "Net::Twitter->new({username => 'ur', password => 'pw'})->update('from perl4caml')";;

from perl4caml

CPANの膨大な資産が使えるのは魅力。