共寄生の場合、mixed-broodならオスに偏る傾向？ USAはオスソルジャーほとんどいない。 もはや系統的にかなり違う？

WEシンポ 昨日の話は非常に有用な話で、教科書的なきれいな話だった。説明も丁寧で、教科書を見ているようだった。来年度からの研究に備え、またcellを読み直す必要がありそう。以下メモ サザン ノーザン DD法 定量RT-PCRの欠点 variant エキソンの変異？ RA…

QAICの算出方法 -2*logLik/(c-hat)+(2*k) ここで言う、c-hatとは、逸脱度を自由度で割ったもの。（binomialやpoissonの場合は、1に設定されている。） AICc = -2log Likelihood + 2K + 2K(K + 1)/(n-ess - K - 1) QAICc = -2logLik/c-hat + 2K + 2K(K + 1)/(…

Cfはオスにもソルジャーがいて、オスとメスでstrategyが違う。 オスは胚子時に液性因子を分泌し、他種を駆逐。 メスは幼虫期に物理的攻撃をする。オスより強い。さらに、相手に応じてソルジャー数を増やせる。 メスの攻撃は、相手が4匹目当りから減少。顎か…

最近の流行のモデル選択。 確かに、野外などでさまざまな変数を組み込み多数のモデルが考えられる場合においては やはり非常に有用だろう。だけど、実験下において、仮説を検証する際はやはり従来のNeyman-Peason検定法も重要であることは間違いないだろう。…

interaction.plot(x軸,カテゴリー別,y軸)で書ける。

マニシェがインテルに移籍。思い出します、かれこれもう4年前のユーロ2004。あのロングシュートは忘れられません。今年は、ユーロ2008。本命イタリア、対抗ドイツ、といったところかな。

さまざまなデータに出会った際、解析をどのようにするか実験計画から考えることも重要だが、すべきことは以下に要約されるだろう。 まず、（多変量データであっても）生データを様々な角度から図示し、どのような傾向があるか、変数、平均、分散などの関係を…

Rで擬似ポワソン分布とglmmML（という個体差に基づく過分散）をやってみた。

最近の日本人では、大型移籍だろう。浦和にFW多い気もするが。 さらに、駒野も磐田へ移籍し、柳沢も京都に移籍。 やはり日本人の移籍は多少面白みがないなぁ。

ランダム切片モデルの大胆な仮定を払拭するのが、ランダム係数モデル。 ランダム係数、つまり係数自体にもランダム誤差を仮定してやる。 補足；ランダム切片とランダム係数を別々に指定すると、それぞれ独立の正規分布からの誤差をとるがランダム係数のみに…

ん〜、統計は基礎からしっかりと学ぶ必要がありそうだ。 ぜひ、統計をブラックボックスとして使うだけの解析は行いたくないものです。 実際の計算はＲがやるけど、同じことも頭でできるようにしておきたいものです。

あるモデル式において、予測される目的変数の値。 適合値を横軸にとり、標準化された残差を縦軸にとると、残差プロットができる。 この残差プロットは、分散均一性もしくは線形性などを視覚的に捉えることができる。

統計用語の１つで、よく一般化線形モデル等で解析を行うと出てくる言葉。 H先生は、「残差の平方和」と言っていた。つまり、この値が小さいほど、当てはまりがいいわけだ。（ちなみに、GLMではこの標準誤差が１に）また、K先生の講義ノートでは、「実験者が…

ランダム切片 こちらでは、yji=B0*x0+B1*x1+uj+ejiとグループレベルでの誤差分散を考える。 ランダム係数 ランダム切片モデルでは、説明変数x1に対する目的変数の変化が一定だと仮定されている。 交互作用を考えるように、説明変数に対する効果がグループレ…

近いようで遠い偉人A先生の言葉 「物事を一方向から眺めていてはいけない。かならず、ひっくり返してみることが必要である。」A先生はこの言葉を日常生活のある一面で気付いたそうで、もちろん研究活動にも言える ありがたい言葉。一極集中型になりがちな昨…

lmerはおそらくLaplace近似によって計算されているのだろう。 ここら辺データをさらに詳しく解析する必要がありそうだ。

統計ソフトRのglmmMLとlmerで解析すると、同じ「最尤推定法」のはずなのにAICの値が異なる。 なぜだろう。もちろん、lmerのmethodは"ML"にしているし。

いろいろなwebページに紹介されている。 モデル選択は対等。検定は不対等。 だが、確実性をもつのは検定。（臨床試験など帰無仮説と対立仮説の構造がしっかりできあがっている場合には有効） 以下、こちらの抜粋。 （１）データの分析前には仮説はほとんどな…

一般化線形モデル（以下GLM）が使われるようになってきているが、実際に自分で使う際に重要なのは、自分の持つデータは一体どのような分布に属している（もしくは類似しているか）かだと思う。そこで、改めていろいろな確率分布を教科書、ネットで調べてまと…

母分布が正規分布に従っていなさそうな場合、ノンパラ検定と一般化線形モデルを使うのではどちらがよい（検出力が高い？）のだろうか。以下、http://aoki2.si.gunma-u.ac.jp/lecture/Kentei/nonpara.htmlを引用。 まず、パラメトリックな手法とは？ 母集団の…

算術平均は、分布が正規分布に従うとき使い、逆に正規分布に従わないときは中央値がよく使われる。 箱ひげ図も同じ。外れ値の影響を受けにくい。

そうか。母集団の分布の形によらないから一般化線形モデルなのか？？

-独立性 近い場所で採取されたり、繰り返しの測定値、nestedなデータであったりする場合。 対処法としては、random effectを使うべし。非常に重要な前提で、この前提は全ての統計的検定において、重要なものである（ランダムサンプリングは重要）。 -分散の…

以下、ファミ通の900号記念特集「心に残ったゲーム」 1位PS2「ファイナルファンタジー10」'01 7/19 2位PS「ファイナルファンタジー7」'97 1/31 3位FC「ドラゴンクエスト3 そして伝説へ…」'88 2/10 4位PS2「ドラゴンクエスト8 空と海と大地と呪われし姫君」'0…