20191103 7.距離法・最節約法・最尤法の演習

特定テーマに限定したWikiを立ち上げる必要もなく、ブログの様に私見をまとめる必要もない、

• 講義の予習ノート
• 読書ノート
• メモ

などの雑記帳Wikiから移行した投稿。

YouTubeでの距離法、再節約法、最尤法講義に関するメモ。

リサンプリング統計手法

• 母集団からサンプリングされた標本を仮の母集団とする。
• 仮の母集団からデータをサンプリングし、標本とする。
• 問題点
  • 標本は、母集団にはないバイアスを持つ可能性がある。→結果に影響する。
  • バイアスを小さくするには、標本データ数を多くしなければならない。

ブーツストラップ	無作為同数サンプリング（重複有）
ジャックナイフ	無作為同数サンプリング（重複無）
モンテカルロ	パラメータ推定値に基づくデータ生成

ブーツストラップ（ノンパラメトリック・ブーツストラップ）

母集団のデータを無作為に選択し、標本とする。
単一標本中に、複数の同一データが含まれることがある。→重複

オリジナル・ツリー	元データから計算された近隣結合樹
コンセンサス・ツリー	リサンプリング・データの系統樹を集計したもの→元データとは無関係

ジャックナイフ

母集団のデータを無作為に消去し、標本とする。
単一標本中に、複数の同一データが含まれない。
消去するデータ数が少ない。→標本ごとのばらつきが少ない。

モンテカルロ（パラメトリック・ブーツストラップ）

母集団が従う統計モデルを仮定する。
リサンプリング・データの統計量＝パラメータ推定値
統計モデルとパラメータ推定値に基づいて、疑似データを生成する。

系統推定法

~	速度		間違い
距離法	高速	単一解	情報損失	距離尺度が重要
再節約法	速い	複数解	Felsenstein zone
最尤法	最も遅い		Farris zone
ベイズ法	遅い~~最尤法より高速		事前確率	収束判断に苦しむ