Event

終了しました。 ありがとうございました。

終了しました。 ありがとうございました。

6月8日 13:00～14:00 議題：

「カイカムリの帽子づくり行動の個性を測る」

東京大学 情報理工学教育研究センター

次世代知能科学研究部門 特任研究員

加賀谷 勝史 氏 による講演 （オンライン）

カイカムリの帽子づくり行動の個性を測る行動の個性を<同一の個体の行動は何らかの意味で似ていて，個体間では似ていない>と考えてみます。従来より同一個体から複数回のデータを集めた場合，階層構造のあるGLMMなど混合分布モデルを用いることが適切であると推奨されてきました。それではその適切さはどのように測ったらよいのでしょうか。ここではカイカムリが海綿を加工して帽子をつくる行動(帽子作製行動)を例に，その構造のあるモデルと構造のないモデルを予測の観点で比較することで行動の個性を測ってみました。

同じデータを，異なる前提で置いたモデルから通して見たとき，どちらが良いか予測の観点で測ったということです。

AICはデータを発生した未知の分布q(x)を推測する予測分布p(x|Data)を構成しp(x|Data)のq(x)に対する適切さを測ろうとします。しかし，構造のあるモデルだとその誤差が大きくなることが知られています。そこで，この研究ではAICではなくベイズ法に基づき誤差が小さいと判明しているWAICを用いました。StanとRを使った行動データの予測分布の構成と可視化，WAICの計算の仕方について，カイカムリの行動データを例に紹介します。

5月14日 14:00～15:00 議題：

「ベイズ推定 × ランダム効果モデル」

データ同化研究支援センター 特任研究員

大久保 祐作 氏 による講演 （オンライン）

【概要】

ランダム効果モデル(混合効果モデル)は階層ベイズモデルの最もシンプルな形態の一つで，「個体差の補正」を目的に多くの実証研究者が活用しています。しかし，本来ランダム効果モデルはより広い応用可能性を秘めています。また，ランダム効果モデルの考え方はより柔軟なベイズモデリングを行うための基礎にもなります。そこで本講演では，「ベイズ推定＋ランダム効果モデル」によって実現できる様々なデータ分析例を紹介します。具体的には，生物学でよく出会う「時系列データ」「経時データ」「空間データ」「inter-speciesデータ」に焦点を絞り，自分の研究テーマにあったオリジナルの統計モデルが構築できるようになることを目指します。また時間に余裕があれば，発表者の提案している「BSDEモデルによる種間比較混合効果回帰モデル法」についても簡単に紹介する予定です。