ゴルフをあれこれ考える3
確率をルーレットのような機械的な仕組みから生み出されるものと考えると、ある根源的な仕組みがランダムな結果を生み出し、これを様々に変換することで実際に観測される観測値の散らばり(分布)の形が決まる、という形でスイングのモデルが提案されます。
ところが、いろいろな機械的仕組みが考えられる場合には、そのどれを取れば良いかが問題になります。この場合実際のスイングのヘッドの軌道を観測し、この観測データをよりどころに良いモデルを探すことになります。
このような場合には、それぞれのモデルが与えられた観測値を生み出す確率の値を計算し、これが大きいものが良いモデルと考えます。この場合それぞれの確率の値は、モデルが確定していないので確率とは呼ばれず、それぞれのモデルの尤もらしさ、すなわち尤度(ゆうど;likelihood)と呼ばれます。これでモデルが与えられる場合に良いモデルを決定する方法は決まります。尤度の大きいモデルを採用すればよいのです。
ところが、新しい動きのモデルを提案する時には、先ずいろいろ可能性のあるモデルを考え出さなくてはなりません。この時のモデルは数式で書かれては実際の体の動きの作り方が分かりませんから、実際の動きのイメージを言葉で表現する形で与えられます。
更に、まだ動きが確定しているわけではありませんから、尤度での評価もできません。この場合にどうするか。ここではそれぞれのイメージについて、自分が納得出来る程度を比較評価することになります。この時の自分の主観的評価を「納得度」(哲学者C.S.Peirceの言うplausibilityに対応するもの)略して「納度」と呼ぶ事にしよう、というのが筆者の提案です。
残るのは、「納度」の評価法の議論です。
ところが、いろいろな機械的仕組みが考えられる場合には、そのどれを取れば良いかが問題になります。この場合実際のスイングのヘッドの軌道を観測し、この観測データをよりどころに良いモデルを探すことになります。
このような場合には、それぞれのモデルが与えられた観測値を生み出す確率の値を計算し、これが大きいものが良いモデルと考えます。この場合それぞれの確率の値は、モデルが確定していないので確率とは呼ばれず、それぞれのモデルの尤もらしさ、すなわち尤度(ゆうど;likelihood)と呼ばれます。これでモデルが与えられる場合に良いモデルを決定する方法は決まります。尤度の大きいモデルを採用すればよいのです。
ところが、新しい動きのモデルを提案する時には、先ずいろいろ可能性のあるモデルを考え出さなくてはなりません。この時のモデルは数式で書かれては実際の体の動きの作り方が分かりませんから、実際の動きのイメージを言葉で表現する形で与えられます。
更に、まだ動きが確定しているわけではありませんから、尤度での評価もできません。この場合にどうするか。ここではそれぞれのイメージについて、自分が納得出来る程度を比較評価することになります。この時の自分の主観的評価を「納得度」(哲学者C.S.Peirceの言うplausibilityに対応するもの)略して「納度」と呼ぶ事にしよう、というのが筆者の提案です。
残るのは、「納度」の評価法の議論です。