本は薄いのに、内容は濃い(というかわからん)。未知の領域。

計算統計入門 代数生物学―大規模・高精度計算が拓いた新技法 (現代技術への数学入門シリーズ)
吉田 寛,手塚 集
講談社 / ￥ 2,520 ()
通常5～7日以内に発送

記号計算による代数的手法を用いなければわからないような自然現象の理解に力点を置く。

• チョムスキー階層と単細胞から多細胞への進化を関連させる。
  • 有限言語、正規言語、文脈自由言語、文脈依存言語、帰納的可算言語
• 形式言語理論の一分野であるリンデンマイヤシステムをもとに再生モデルを構築
  • ゴキブリの脚の挿入再生モデル
• グレブナー基底

Singularという計算機代数システムがあることを知った。

キーポイントが良かったので、アマゾンで中古で数百円の本を狙い撃ち。

キーポイント微分方程式 (理工系数学のキーポイント)
佐野 理
岩波書店 / ￥ 2,310 ()
在庫あり。

キーポイント熱・統計力学 (物理のキーポイント (3))
相沢 洋二
岩波書店 / ￥ 2,730 ()
在庫あり。

キーポイントの書評をみてたら、フーリエ解析はクライツィグを読めとか書いてあったのでそっちを買ってみた （多分正解）。

フーリエ解析と偏微分方程式 (技術者のための高等数学)
E. クライツィグ
培風館 / ￥ 2,079 ()
通常2～4週間以内に発送

中古で安いのがでたら多分これも買う。

キーポイントフーリエ解析 (理工系数学のキーポイント (9))
船越 満明
岩波書店 / ￥ 2,730 ()
在庫あり。

今の仕事を丁寧に掘っていくと、結局自分には数学の素養が足りないという事実を突きつけられて愕然とする。

嘘でした、愕然とはしない（だってそもそもやってないだもん）。

まぁ、でも最近ちゃんとやらなきゃと思うわけです。

早起きしたので、須津渓谷の大棚の滝までいってみた。ここは楽しかった。来年は水着とか、BBQセットを持って遊びにいきたい。

そのまま道なりに真っすぐおりていくと、酒舖やまざきがあって、さらにおりていくとピアゴ中里店が。

というわけで久々の大山。

U隊長がえびつけを頼むといってたので、ここはあえて黒山を。

美味かった。

macbookにpowerpoint(プレゼン用)入れたら、Let's note R4がWindowsである必要はなくなってしまったので、Ubuntuでも入れるかと。

UNetbootinを使うとisoイメージをusbメモリからインストールできるんだが、これが超らくちんで、あっさりインストール完了。

無線LANの認識もスムース。

あとはemobile使えるんだったら、持ち歩きはこれでいいや。

来た

今年はSmith&MightyとGilles Petersonかな

ゴーヤの種取り。発芽率が低いらしいのであと一個分くらいは種取りをしておきたい。

左から唐辛子、シソ、ゴーヤ、モロヘイヤ（初収穫）

モロヘイヤの種にはストロファンチジン(Strophanthidin)という毒があるらしい。

biphenylの立体構造はお互いのオルト位の水素がぶつかるのでねじれているんだけど、まぁそれはSTO-3Gで計算してもねじれてる構造が出てきた。

じゃぁ、水素じゃなければいいのか？ってことで片方をpyrimidineにしてみたら奇麗に平面になった(STO-3G)

ついでにHOMO,LUMOくらいも見てみた。

HOMO

LUMO

オチなし。

ちょっと描きたいときに便利なので、macbookに入れた。

BKChem

夏野菜の揚げ浸しとユーリンチー

バジルペーストのやつと、鱒とレッドムーンのマリネ

僕的には鱒とレッドムーンのマリネが超お気に入り。これはマジで美味いですな。これをつまみに、、（略）

揚げ浸しのゴーヤが輪切りだったのも参考になった。というか、いつも縦に切ってざくざく切ってたので、他の切り方が思いつかなかったという、、、

水産資源学におけるベイズ統計の応用ワークショップのスライドの22,23枚目

1. g(x)からM個のサンプルx1*, …, xM*を発生
2. w*= f(x*)/g(x*)を計算
3. x1*, …, xM*からw1*, …, wM*に比例する確率でサンプルをm個とってくる
4. 得られたm個のサンプルはf(x)からの事後サンプル

となっているのだが、23枚目のRのコードは

n2 <-sample(length(x1), 1000, replace=T, prob=dlnorm(x1,1.1,0.6))

とwを求めずにいきなりサンプリングしているので？となったが、一様分布だから重みを計算する必要ないのね。

わざわざ書くならこうか。

x1 <-runif(100000,0,60)
w <- dlnorm(x1,1.1,0.6) / (dunif(x1,0,60))
n2 <-sample(length(x1), 1000, replace=T, prob=w)
x2 <-x1[n2]
plot(density(x2))

パターン認識と機械学習 下 - ベイズ理論による統計的予測
C. M. ビショップ
シュプリンガー・ジャパン株式会社 / ￥ 8,190 ()
在庫あり。