Madam_toad’s blog

カエルを材料に進化生態学の研究をしている変わり者の独り言です。

「人間生活」という物語にイマイチ溶け込めてない気がする。

葉っぱはちゃんと葉っぱしてるし。

カエルもちゃんとカエルしてる。

 

だけど自分って、、、なんかちゃんと人間できてない気がする。

 

週末から今日まで野山巡ってたんだけど

用を一応終えて、フと、山間部の集落とか、古い建物、江戸時代の関所跡なんかを見てると。。。

 

あぁ、、、人間ってこうして小集団で住んで社会作って文化作って

人と人で繋がっていって、世代を重ねて、、、

 

人間してるんだなぁ。。。

 

 

葉っぱやカエルと同じように

 

世界という物語の中の住人を

 

しっかりやってるんだな

 

と。

 

 

そして私は、

 

いまだになんだか

 

人間役をしっかりできてない。役に入り込めてない。

そんな気がする。

 

 

 

 

考えてみると

自分は子供の頃から妄想ばっかして、空想の世界ばっかりにいて

はっ!として意識戻して、自分が学校の授業中で席に座ってたことに気がついたり、、、

 

 

考えてみると

入学式とか卒業式とか。。。なんちゃら「式」って

苦手で苦手で・・・

なんでみんな感動してんだろウケるwというか

 

なんというか

 

環境というか”舞台”用意されて、”はい、ここは感動するとこですよ”

でみんな素直に感動する反応する、式だからちゃんとする、をできる同級生や大人たちって、

・・・・不思議だった。

 

 

私はなんだか、妙に冷めてしまってるというか、

イマイチ、物語に入り込めなくて。

 

ここは感動するところだからするものなのだぞ!

 

ていう「環境」というか「”神”という監督」というべきか、

それにに従うのが

どーも苦手で・・・

 

 

 

 

 

みんなすごいな、ちゃんと人間してて。

 

 

 

みんな役者だな。

 

 

f:id:Madam_toad:20180417205314p:plain

コンビニの店員さんが丁寧すぎてツライ。

なんか最近、いやー前からそうだったとは思うけど...

なんかすごい丁寧じゃない?

『温めますか?』から始まり、袋分けてくれたり

 

逆に申し訳なくなるんですよね。丁寧すぎて。

 

気い使ってもらえちゃうから、お箸スプーンフォークおしぼり、最適解くるから。

介護されてる感じ。

 

 

真面目な話、

客単価考えたらもっと雑でいいと思う。海外だとこんな丁寧な接客ない。

 

 

夜遅くストロングゼロ買ったりさー

どー見てもいい中年だろに

『(年齢)確認のボタンお願いしまーす』

若いにーちゃんとかに言われてもうたりするとね

 

あらやだそんな若い?

 

とかアフォな妄想して

一人で意味なく謝っちゃうんだよね 

f:id:Madam_toad:20180414014737p:plain

 

あと

あのキリン!!!

あいつよく金食うんだよね。

残額なくなっちゃってて赤くなっちゃって....カードがだよ!

 

また謝っちゃいう。

 

 

 

恥ずかしいから

そんな丁寧にされちゃうと。

 

 

 

またこの女酒買ってるよ。

あーまたレジ前のコンビニスイーツで止まっちゃってるよ。

 

 

なーんてほんとはバカにされてたら

 

 

 

嬉しいです。

 

 

 

ゲリオのチャーチルは予想以上にすごかった!

観てよかったわー

ゲリオことゲイリー・オールドマンウィンストン・チャーチルは、本当に見応えがあった。

 

すごいね。

この人が天才俳優でなければ誰が天才なのか!

まさにそういう俳優。

 

 今までアカデミー賞を取ってなかったのが不思議なくらいの同業者にファンが多いという玄人好みの俳優、ゲリオさん。

ゲイリー・オールドマン - Wikipedia

満を持しての本作。「ウィンストン・チャーチル/ヒトラーから世界を救った男」(ってなんじゃ!?このタイトル...)

原題のがいいっすね「Darkest hour」。簡潔で映画の内容をよく反映してる。つかなんでいつもクソだっせぇ邦題つけるんでしょ?まーわからなくもないけど。盛り過ぎなんだよ。常に。昭和というかバブルというか...ちょっと時代遅れで残念なセンスの人がつけてるんでしょうか?それかわざと?わざとなら客バカにしすぎ。

 

特殊メイクを手がけた日本人メイクアーティストの辻一弘さんのアカデミー賞も話題になりましたので。特殊メイク、というかメイクと気がつかない凄いクオリティよもー!!!なんていうか、世の中にゃすごい人がいるもんだわ、ってただただ、脱帽ですね。

 

ゲイリー・オールドマンはもともと好きな俳優だったけど

本作で真骨頂が拝見できて、とても嬉しかったです。感動的なレベルで憑依していて、まるで本物のチャーチルの心の葛藤を再現しているようで、、、

映画自体は、派手なものもない。これに関しちゃあちこち解説や感想落ちてるので。わしゃ割愛すっけど。

徹底抗戦を決断するまでの、チャーチル首相の心理を追うだけのもの。

 

しかしそれなのに面白い!!!

 

素人目線で味わったことをありのままに言いますとね;

 

よく知らなかった、とある歴史上の一コマが

 

これだけ迷いと葛藤があって、こういう背景で下した「決断」だったんだ!

 

突然、次元が変わってしまった。

 

言い換えると

 

 

ただの歴史の1ページが、自分の中の人生の一幕のように影響を及ぼしだす

 

 

そんな体験ができました。

 

それがまた、大爆発やら大虐殺やらすごいスペクタルシーンによってではなく

ただ一人の人物の心理プロセスに触れたことによって

成されたわけですので、、、ね

そりゃ

これまでの歴史大河ものとは異質ですよ。少なくとも自分にとっては。

 

cinefil.tokyo

 

www.youtube.com

演技が上手な人、華のある人、佇まいなだけで惚れ惚れする人・・・

そういう俳優さんはたくさんいる。

 

だけど

 

この人の演技は、あまりにもリアルであまりに人間そのもので

なぜか涙が出ます。

 

凡人や秀才が同じ内容を練習しても、何倍しても、

この人と同じ領域には達しないでしょうね。 

 

 

 

ところで最初にゲーリー・オールドマンが強烈な印象を残した作品というと

やはり「レオン」で。あの悪役ノーマンの異常性、今見ても怖いっっす。

 

だけど観た中で一番好きなのは

ベートーヴェン演じたやつ。

ゲーリー・オールドマンと知らずに鑑賞して、のちに、あれもか!!て驚きましたね。

 

数ある作曲家ものの中で、一番好きな作品。一番、芸術家のリアリティをありのままに映し出してる。

 

最後の和解シーン、むちゃくちゃ感動してしまって。今も印象に残っております。。。

 

www.youtube.com

 

不器用な人間の生き様って、なんとも言えないですね。

 

非常に辛い人生だったろうと思うけど

それでも

良い作品を残せた人は、幸せだと思う。

 

 

人間の最も人間らしい部分を表現できる稀有な俳優さん

 

 

こういう職業人が好きです。

尊敬します。

 

 

 

 

 

しかし何回結婚しとんじゃ!!!

首こりが辛すぎる時はデパス飲んで寝ると良いかもしれませぬy

すると、少しマシになる。かも。

 

f:id:Madam_toad:20180402002245p:plain

 

よ.

 

..................ん。

 

 

 

私は昔から肩こりがひどいのだけど。

時々、もう首がカッチカチになってしまって、、、あまりに辛くてなににも集中できな苦なる・・・

重い、痛い、気分が悪い。立ってるのも辛い。短時間で乗り物に酔う。

 

 

この時期は特に首がカッチかちになる傾向がある。花粉とも関係があるのかよくわからないけど。年度末特有の煽りというか、焦りとか、とにかく毎年、この時期は辛い。

 

ここ数年は特に辛い。ストレスと焦燥感とで抑うつ気分がデフォになってる。

今年はもう死ぬほど辛い、ていうかイライラで気が変になりそうだった。いやいまもまだギリギリメンタル。常に、心臓がギュッとするような、焦りがある。

 

こういう時はただ単に首や肩が凝ってる、てレベルじゃなく

 

寝ても休めない。

 

早朝覚醒の時は本当にドキドキしてる感じの、独特のいや〜〜な焦燥感。

 

寝ても寝た気がしない

 

ストレスが取れない睡眠…

朝起きると、首がカチンカチンに痛くなってる。

 

 

病的だよな、て自覚はもちろんある。

 

だから、長い付き合いのメンターでもある精神科医のおじいちゃんに、デパスを処方してもらった。

 

 

おかげで少し、久しぶりにやっと寝れたような感じはあったけど。

 

まだまだ、まだまだまだ、、、あまり調子は良くない。

 

 

 

まぁでも、

原因はわかってるから、その対処をしてくしかない。

 

問題は、イライラしすぎて対処する集中力が出せない、てとこだけど。

 

 

 

まー

なんとかなるだろ。

 

 

もともと強かったわけではないけど。失敗ばかりの人生なおかげで、タフになってきたかな、て感じはあるから。

 

とりあえず

寝ることで悪化させてるって非常によろしくない状態なので。

 

そこだけは早急に改善してないと。

 

少なくとも、寝ることでさらに首こりを悪化させていては話にならない。

 

 

ちゃんと、休める睡眠をとれるようにしよう。

 

 

 

・・・・。

 

 

 

 

バーフバリ〜〜〜〜!!!((└(:3」┌)┘))

昨日、ツイッタで話題?の「バーフバリ」を寝る前に鑑賞しますた。Amazonでぽちって。

 

バーフバリ!

バーフバリ!

バーフバリ!

 

\(^o^)/

 

いやおかしいだろ色々...

 

 

期待値が高すぎたってのもあるけど

まぁ、その、言うほどでも〜。。。て感じ。

2部作なので1「伝説誕生」から観る必要があると思う。というか最近まで上映してた「王の凱旋」はそもそも続編(って情報を表に出してない気がする)...無理して劇場いかないでよかったよ。

 

 

けどインド映画ってすごいなー!圧巻だー!

 

ストーリーそのものは分かりやすい王道系?だけど

過去と現在織り交ぜて進める映画は多いにしても、映画の半分以上を回想シーンとかなかなか斬新な構成だし

違和感を通り越してもう異次元な魅力の映像パワー!!!

 

ありえない戦法にありえない強さ!!

 

荒ぶるシヴァ神!!!!

 

 

我らが王、バーフバリ!!!

 

偉大なる王、バーフバリ!!!!

 

バーフバリ!!

(顔がおっさん!!)

 

バーフバリ!!

(全員濃い!!!)

 

 

まぁ観てる時点で、インド映画の熱量やアクションものへの耐性がある人がほとんどだろうけど

自分は話題になった続編にあたる「王の凱旋」よりも、1作目「伝説誕生」の方が見応えあったかも。まぁ初めてな分より衝撃的だった、と言うか・・・

だってぇ、2作目でのバーフバリ、いよいよ「凱旋」するわけだけど〜

やり過ぎに映っちゃった。やや残酷。

 

ま、

荒ぶるシヴァ神ですからな!!!!

 

 

バーフバリ!

バーフバリ!

バーフバリ!

 

/(^o^)\

 

 

 

 

 

キャラの中では

国母さまが一番魅力的でした。

 

 

花は美しい。

咲いた時期が良かったのか

 

咲いた場所が良かったのか

 

 

f:id:Madam_toad:20180326174346j:plain

 

あるいは、

観察者に恵まれたからなのか?

 

よくわからなのいのだけど

 

単純に、

 

”美しい”

 

と感じる事実と。

 

 

”花を美しい”と思う自分の気持ちがまた不思議で

 

 

本当に

 

この世は不思議な空間だ。

 

 

 

 

glmmMLとlme4 ~ランダムなエフェcうと〜ってのだけど

いきなり関係ない人には全く意味わかんネタだけど

 

統計フリーソフトのRでGLMMを煮詰めるのに代表的なパッケージには

glmmML と lme4 てあるけど

この差はざっくりいえば

glmmML : random effectはclusterで指定 < 指定は1つのみだがIDとか数多くても計算してくれる

lme4 :説明変数に複数個指定できて、指定方法も入れ子状とかいろいろあり <便利だがIDとかの数が多い項目へのrandom effectは苦手で計算できない

 

何が違うのかなーてイマイチ理解が追いつかないんだけど

とりあえず比べてみると、今いじってるあるデータセットはほぼ同じ結果だった:

 

__________

 

> groupS <-read.delim(pipe("pbpaste"))
> groupS
clutch sTime small large
1 Z04 2218 sib sib
2 Z04 3281 sib sib
3 Z04 3510 sib sib
4 Z04 2547 sib sib
5 Z04 2047 sib sib
6 Z04 2114 sib sib
7 Z04 3053 sib sib
8 Z04 2730 sib sib
9 Z04 2628 sib sib
10 Z04 2603 sib sib
11 Z04 2404 sib sib
12 Z04 1684 sib sib
13 Z04 2738 sib sib
14 Z04 2514 sib sib
15 Z04 2623 sib sib
16 Z04 2708 sib sib
17 Z04 2283 sib sib
18 Z04 2074 sib sib
19 Z11 3979 sib sib
20 Z11 2723 sib sib
21 Z11 2603 sib sib
22 Z11 2552 sib sib
23 Z11 1412 sib sib
24 Z11 3858 sib sib
25 V2 2249 sib sib
26 V2 2822 sib sib
27 V2 2459 sib sib
28 V2 1980 sib sib
29 V2 3064 sib sib
30 V2 2338 sib sib
31 F1 2332 sib nonsib
32 F1 2644 sib nonsib
33 F1 2607 sib nonsib
34 F1 2943 sib nonsib
35 F1 2495 sib nonsib
36 F1 2280 sib nonsib
37 Z02 2207 sib nonsib
38 Z02 2964 sib nonsib
39 Z02 1897 sib nonsib
40 Z02 2738 sib nonsib
41 Z02 2619 sib nonsib
42 Z02 2883 sib nonsib
43 Z11 3410 sib nonsib
44 Z11 2934 sib nonsib
45 Z11 2851 sib nonsib
46 Z11 2709 sib nonsib
47 Z11 2677 sib nonsib
48 V2 2480 sib nonsib
49 V2 2364 sib nonsib
50 V2 2381 sib nonsib
51 V2 2594 sib nonsib
52 V2 2933 sib nonsib
53 V2 3296 sib nonsib
54 Z11 2950 sib nonsib
55 Z11 2190 sib nonsib
56 Z11 2420 sib nonsib
57 V2 2522 sib nonsib
58 Z11 2347 sib nonsib
59 F1 3490 nonsib sib
60 F1 1954 nonsib sib
61 F1 1465 nonsib sib
62 F1 2250 nonsib sib
63 F1 2414 nonsib sib
64 F1 2397 nonsib sib
65 Z11 2746 nonsib sib
66 Z11 2623 nonsib sib
67 Z11 707 nonsib sib
68 V2 1697 nonsib sib
69 V2 1587 nonsib sib
70 V2 1124 nonsib sib
71 V2 1036 nonsib sib
72 V1 3424 nonsib sib
73 V1 1203 nonsib sib
74 V1 2058 nonsib sib
75 V1 2601 nonsib sib
76 V1 3463 nonsib sib
77 V1 3298 nonsib sib
78 Z11 3166 nonsib sib
79 Z11 3220 nonsib sib
80 V2 3060 nonsib sib
81 V2 2377 nonsib sib
82 V2 2188 nonsib sib
83 F1 2894 nonsib nonsib
84 F1 2260 nonsib nonsib
85 F1 2229 nonsib nonsib
86 F1 3056 nonsib nonsib
87 F1 2730 nonsib nonsib
88 F1 2764 nonsib nonsib
89 Z02 1969 nonsib nonsib
90 Z02 4139 nonsib nonsib
91 Z02 1873 nonsib nonsib
92 Z02 2694 nonsib nonsib
93 Z02 2197 nonsib nonsib
94 V2 3555 nonsib nonsib
95 V2 3104 nonsib nonsib
96 V2 1959 nonsib nonsib
97 V1 3045 nonsib nonsib
98 V1 2534 nonsib nonsib
99 V1 2973 nonsib nonsib
100 V1 2674 nonsib nonsib
101 Z11 1968 nonsib nonsib
102 Z11 2009 nonsib nonsib
103 Z11 1901 nonsib nonsib
104 V1 3377 nonsib nonsib
105 V2 3321 nonsib nonsib
106 V2 3363 nonsib nonsib

> library(glmmML)

 

> glmm1 <-glmmML(cbind(sTime, 4800 - sTime) ~ small*large, cluster = clutch, family= binomial, data = groupS)


> summary(glmm1)

Call: glmmML(formula = cbind(sTime, 4800 - sTime) ~ small * large, family = binomial, data = groupS, cluster = clutch)


coef se(coef) z Pr(>|z|)
(Intercept) 0.21926 0.057657 3.803 0.000143
smallsib 0.00886 0.008426 1.052 0.293000
largesib -0.34280 0.008658 -39.595 0.000000
smallsib:largesib 0.36812 0.013220 27.845 0.000000

Scale parameter in mixing distribution: 0.1404 gaussian
Std. Error: 0.04072

LR p-value for H_0: sigma = 0: 7.456e-286

Residual deviance: 31250 on 101 degrees of freedom AIC: 31260

 

> library(lme4)
> library(lmerTest)

 

> glmm2 = glmer(cbind(sTime, 4800 - sTime) ~ small*large + (1| clutch),  family= binomial, data = groupS)
> summary(glmm2)
Generalized linear mixed model fit by maximum likelihood
(Laplace Approximation) [glmerMod]
Family: binomial ( logit )
Formula:
cbind(sTime, 4800 - sTime) ~ small * large + (1 | clutch)
Data: groupS

AIC BIC logLik deviance df.resid
32202.5 32215.8 -16096.3 32192.5 101

Scaled residuals:
Min 1Q Median 3Q Max
-45.221 -10.608 0.085 8.947 45.782

Random effects:
Groups Name Variance Std.Dev.
clutch (Intercept) 0.01971 0.1404
Number of obs: 106, groups: clutch, 6

Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 0.219271 0.057659 3.80 0.000143
smallsib 0.008861 0.008426 1.05 0.292954
largesib -0.342805 0.008658 -39.60 < 2e-16
smallsib:largesib 0.368117 0.013220 27.85 < 2e-16

(Intercept) ***
smallsib
largesib ***
smallsib:largesib ***
---
Signif. codes:
0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Correlation of Fixed Effects:
(Intr) smllsb largsb
smallsib -0.077
largesib -0.073 0.483
smllsb:lrgs 0.029 -0.563 -0.608

 

____

ちなみに

傾き固定でclutchごとにランダム切片(1| clutch)から、切片固定でclutchごとにランダム傾き(0| clutch)にすると、しぬ。あまり意味がないだろうが。

____

> glmm3 = glmer(cbind(sTime, 4800 - sTime) ~ small*large + (0| clutch),  family= binomial, data = groupS)
(function (cl, name, valueClass) でエラー:
assignment of an object of class “numeric” is not valid for @‘Dim’ in an object of class “dgTMatrix”; is(value, "integer") is not TRUE

 

 

__________

 

 

はにゃ〜。。。∧( 'Θ' )∧

 

この2つのパッケージって、結局どんな具合でrandom effectの入りかたが変わるんでしょな?

 

まーcorrelationも算出してくれるから、lme4とlmeTestが便利っぽいですの。

 

 

統計に関してはコレまでも他にいーーっっぱいうーむううぅーむ...となってきてるので。

またログを整理する気になったらブログに書いておこ。忘備録として。