連休中は一泊二日の諏訪旅行へ。精進湖まわりで諏訪に行ってから、帰りは中部横断道？から52号をおりてくるというコース。

1日目

初日の昼は諏訪湖の近くの蕎麦屋さんで。

連休で混雑している割には外の待ちはそんなでもないなぁと油断してた。中の座席は異常に多い。ので、勢い待ち時間が、、、、外よりも席についてからのほうが待った。隣のテーブルのおっちゃんなんて、一時間以上待たされているといって怒りだしてた。まぁ怒って食べても美味しくないぞ。

蕎麦は、悪くなかった。すげー美味いってわけでもないけど。

旅館は浜の湯旅館。部屋食の料理目当てだったんだけど。連休で混みまくっているようで、品書き通りじゃなかったり、メインの肉のあとのご飯までの時間が40分以上空いたりとか個人的にはちょっと残念だった。まぁその残念っぷりはU隊長には気にならないようで、家族4人で旅館に泊まれて満足だったらしいので良かったということで。

八寸と酢の物。

鰻と酒（定番の真澄）

椀物と松茸

造りとなんだっけ？（忘れた）

メインの信州牛（いちじく、茄子、長芋の上にのっている）だが、イチジクとの組み合わせが一番良かった。あと松茸ご飯

水菓子

来年は御柱なのでまたどうぞとか言われて、それもいいなぁと。帰りの車の中でU隊長が御柱って何？とかいうので、7年前(前回)は春スキーまっただ中の白馬かどっかの民宿でテレビで一緒に見てたじゃねーかとか、覚えてる、覚えてないの話になって、結局みんな元気ですな、そのうちみんなでまた白馬五竜にいって、レールを擦りたいねということで落ち着いた。擦りたい、キシャーーーーーって音を立てたいっす。

2日目

白根ICを降りてすぐのところにある中込農園でリンゴ+葡萄狩り。

ぶっちゃけリンゴは数いけないので葡萄オンリーのほうが賢い選択かも。僕が行った時はピオーネを狩れたんだけど、入り口で他の品種(ゴルビーとか)も別にもらえるので結構満足。

帰りによった道の駅富士川ふるさと工芸館でたまたま秋祭りをやっていてかなり楽しめた。

娘と一緒に和紙の葉書作りをしてみた。サポートしかさせてもらえなかったけど結構はまる。

出来上がりはなかなかよろしい

当日はヘリコプターの演習もあったようで、子供を乗せるイベントもやってた（飛ばないけど）。赤富士号というらしい。

結論。諏訪は近い。

年末か年始に日本語版がでるそうなのでそれまでには一通り読んでおきたい。

Perl/Python/Rubyプログラマは特に6章のConcurrencyのところ7章のマクロを読むと良いですぞとprefaceに書いてあった。

---

090923現在2775円って洋書にしてはかなり安い値段な気がする。

以前ネットで見つけて気になっていた酒屋を探してチャリで探索。

ネットでみた地図の記憶を便りに、、、、、迷った。（あとチャリで行くにはちょっと疲れる距離だった）

冷蔵ケースに酒が陳列している今時のセレクトショップ風の酒屋というわけでなくて、

「あんた、何が好き？キレ？コク?大吟醸？山田？それともこだわらない？」

なんつー感じで会話を通して、がさごそと

「これどーや、これは？」

って、幾つかの酒を薦められるという流れ。あと、酒造りに関してテロワール的な部分を強調していたのが印象的。

で、購入した千代の光の純米ひやおろし

奇麗めの味わい。ゆるやかだがしっかりとした味わい。

メタモの帰りに、ツレ1とその彼と、ツレ2とうちの家族で鰻を食べにいった。

お子様セットに興奮気味の娘。

湯葉のセット。

この面子もすでに10年目を超えていて、今はたまに会うくらいのもんだけど（子供が出来る前は毎週ボードトリップ行ってたな）、今年の冬はまたみんなで山田牧場にキッカー作ったり、カモシカ見に行きたいのうなんて話をしたり。

連休は旅行いったりとか子供と遊んでたんだけどそれ以外はJAGSいじってた。

5章をWikiに書いていくことにした。

マルコフ連鎖モンテカルロ法をJAGSで

分散分析のあたりを出来るようにしておくとよいと思った。

• 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　

あとこの本だけだと難しすぎるのでPRMLの下巻が必須(多分)。

markdownだとspace４つだがhikiの場合はspace一つなのでrubyで

#!/usr/bin/env ruby
File::open(ARGV[0]) {|f| f.each {|line| print " " + line}}

コードを貼付けるためにスペース入れたりするのは結構めんどうなのではてなの記法はなかなか便利(ただ忘れやすい)

wikiの記法をつくる記法(metaな記法)があるとよいんではなかろうかとか思う。wiki記法ってDSLみたいだもんね。

ソウルフル、エモーショナル。静かにしぼりあげる感じの歌声が好き。

レビューにあったけど、EBTGよりはポジティブな感じ（比較したことなかったが。）

---

最近iTunesの曲にレートをふるブームが来ている。レートのついてない曲をランダムで250曲ほど表示するスマートリストを使ってるが、ショートカットでレーティングする方法がわからんので使いづらい。

amazonの認証に対応するためにhikiのバージョンを0.8.8.1にあげたついでにamazonプラグインを覗いてみたらプロキシで対応していた。

drkcoreのほうはNet::Amazon使っているので、ローカルでSignature組み立ててるんだけど、wikiりたいだけのユーザーがわざわざsecret_keyとか取得すんのもあほくさいからwikiみたいのはプロキシーでいいのかと。

これはどうやろか。言葉が増えすぎて情景が失われてる感じ。

リミックスすんだったら、もっと切り刻んだほうが。あと元の曲の声いれんだったら、voいらん気がした。remixに期待するのはメタな部分の抽出か、別の解釈なんだなぁと改めて。

マルコフ連鎖モンテカルロ法の5-2をJAGSで

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