  |
はてなキーワード: 非線形とは
非線形ってわかる？
キュムラント展開とか漸近論とかを教えれば少しはわかるのだろうか？
そして、統計学は、そのように一見データからは見えづらいものを可視化し、評価する｢手段｣であり、その結果をどう評価するかも｢定義｣されている。違うか？
ちげえよ。
なにか、「t値が○○以上だったら統計的に有意と"定義"します」とかいう話だと思ってんのか？んなわけねーだろ。やばいよその認識。
KPIかなんかを使った企業の意思決定プロセスかなんかと統計学をごっちゃにしてるだろ。
そもそも「どう評価するかを定義」できる学問なんて純粋数学以外存在しねーんだけど。
マジなんなの？科学を何だと思ってんの？
| ICRPが矛盾しているなんて書いていない。またICRPは信頼性が無いとも書いていない。ICRPは科学的リスク推定で非線形モデルを、防護モデルでLNTモデルを採用していると指摘している。便宜的な理由で使い分けをしている事を、オトナの対応と表現している。
ICRPは科学的な根拠にもとづいて、実際の防護の基準を決めているのだから、それを否定するというのは、ICRPの根本を否定しているということ。
この論理構成で行くと、ICRPの防護基準ではDDREF付きのLNTモデルを採用しているので、それを否定している疑似科学ニュースはICRPの根本を否定していることになる。
| 動物実験で低線量被曝の健康被害を示す結果が得られていない事と、ビッグマウス実験やそれに似た実験で同様の線量率効果が確認されているから、追試に成功していると言える。
低線量というのは100ミリシーベルト以下ってことでOK？低線量の発癌率は、個々のデータで矛盾するから、「確認されていない」とされているのであって、ゼロだということではない。
「線量率効果」なので、発がん率が無いと言う意味ではない。例えば、低線量率で3Svの被曝と、高線量率で3Svの被曝で、後者の方が発がん率が高い効果の事を言う。低線量で発がん率がゼロでも、線量率効果があると言えるが、線量あたりの発がん率が異なればいい。
線量率効果の実際の係数（DDREF）は推定にばらつきがあるものの、線量率効果を否定するような研究は無いように思える。ICRPは2を設定している。線量率効果がある場合は、LNT仮説は成立しない。
動物実験で矛盾するような結果がそう示されているわけではなく、むしろ一貫して線量率効果が示唆されている。だからこそLNT仮説への疑問が生じて、ICRPがリスク推定で非線形モデルを使うようになったのでは無いであろうか？
最初の方から、データ的に採用できないと答えている。初めから論点は、計量分析をベースにしている。
追記(2013/06/21 22:00):
要点としては、
の四点から、LNT仮説が有力とは言えない。
科学方法論的に実験や観測が重視されること、実験で因果関係の方向が分かることなどが理解されていなかったようなので余談を多くしたが、論点は最初から最後まで同じ。
ランダム化比較試験というものを親切に説明してくれているのだが、なぜuncorrelatedがこの話をしたがるのが、いまいちよくわからないんだよね。議論になっているテーマの解決に役立つとは思えないのだが。
疫学データだけでは無く、RCTを使った実験データも線量率効果を示している。メガマウス実験や古瀬らの研究、つまり動物実験はRCTになるので信頼性が高い。そして線量率効果の存在は、LNT仮説の棄却になる。
uncorrelatedはこれまで統計データを中心に自説を述べてきた。なので俺も彼に合わせてそういう話を中心にしてきた。それは実験室内の話ではない。
これだけ実験について言及をしている。実験データを統計処理すると言う発想さえ、無いのかも知れないが。
培養細胞と動物実験などからの知見から、リスクと被曝線量が非線形モデルに従うと思われているので、ICRPは計量モデルとして非線形モデルを採用したのであろう。
立証したと証拠を出してきたら、統計分析が正しいか *7、追試で同じ結果が出るかを、例えば大槻義彦教授が確認する。
*7 疫学データなどは適切な処理が困難な事も多く、ランダム化比較試験（RCT）など、データ取得手法自体を工夫するほうが望ましい事も多い。
統計や計量は、誤差などを含む観測データから「事象」を切り出す手法だが、信頼性の高いランダム化対照実験（RCT）*2もあれば、解釈に注意がいる単回帰分析まで手法は幅広い。
実験室のRCTならば理屈抜き、ブラックボックスありで信用され、そこから因果関係を見出すこともされている（e.g. 薬剤）
なお本文で「ランダム化対照実験（RCT）」を示唆しておいたが、この方法をとれればバイアスの大部分をコントロールすることができる。つまり実験データでは、原則としてバイアスは入らないと考える。
疫学データの非線形モデルは擬似相関の可能性は排除できないが、ランダム化比較試験（RCT）を用いた動物実験は排除できている。
何度も明記しているが、ランダム化比較試験（RCT）を使えば因果関係は特定できる。さらにRCTの結果と整合的な疫学データがあれば、その結果の信憑性は高まる。
周囲の影響は当然あるでしょ。当たり前。
「理想の人生」としてパッケージ化されて入力されるものではなく、
外界とニューラルネットと不確実性の相互作用によって出来上がるものだ、ということ。
「育てる」ことにあまり興味がないのは確か。教えるのは割と得意だけど。
さっきのサイトにも書いてある通り、相互作用や不確実性のきっかけを与え、成長そのものは自己組織化に任せるべきだと思っている。
育成ゲームのような不確実性やループ・フィードバックの無いシステムには全くリアリティを感じない。
非線形を理解していれば、「育てたように育つ」または「育てたいように育てる方法が存在する」という発想には普通ならんと思う。
俺はそもそも、効率厨の人がおそらく信じていると思われる「何もかも計画を立てることができる」というのをまず信じてないんだよね。
それで正しい部分ももちろんあるんだけど、クリエーションはもっと予測不可能な脳の非線形な作用から出てくるもんだと思ってる。
あ？
俺がいつ「何もかも計画を立てることができる」とか「予測可能」とか言ったの？
つか「効率」って言葉に君の言ってるような成分が含まれてるとは思えないんだが。
さっきの話に戻るけど
・俺は今すぐ役に立たない本を読むことがある（君と同じく）。
なぜ？ そもそも 労働市場 と一口に言っても 女子サッカーのような体育会系から 事務職 総合職までいろいろ。 これまた平均で語れる事じゃない。
そもそも、どこの労働者層が足りていないんだ？という所からで 優秀か？優秀じゃ無いか？というのはまた別の議論。
工場労働者が足りていないのなら、優秀である必要は無いという議論になる。
この話のポイントは 複数の正規分布が複合された合成関数で 非線形である という事であって それを いや線形だと言われても。という感じ。
方程式が線形なら、その方程式系の性質を調べる一般的な枠組みを線形代数学と言う。
線形方程式系が解を持つ条件は、変数の数と方程式の数が同じなら、その係数行列が逆行列を持つということと同値。
行列が逆行列を持たないとき、その行列の行列式が0になるので、例えば2次元かつ方程式2つなら、それらがどのくらい「平行に近いか」と「行列式がどれくらい0に近いか」が関係ある。
変数の数より方程式の数が多いときは行列が正方行列でなくなるので、逆行列は存在しない。
でもその場合でも、（ムーア・ペンローズの）一般化逆行列というものを求めることができて、これを使うと「全ての方程式を最大限満たす解」を書き下すことができる。
この「最大限満たす解」が「完全に満たす解」であれば解が存在することになる。その条件も一般化逆行列による記述を使えば調べることができるだろう。
もっと高級なこと言い出すとジョルダン標準形がどうとかいう話になるかもしれないけど…。
しかし、こういうのをネットで簡単にいろんな人に訊けるというのはほんと羨ましい。
俺の頃にもこういうのがあったら良かったのになあ…。
