・推定関数は曲面の方程式で、mlsとNLLは最小値が描く線も異なっていた.この関数を加工し推定に使えるか・・.optimを用いて調べる.

①　p-y図で「⤴」となる最小値を描くようなものを探した.mlsに１項加える.

　　 mls <- sum( ( pr- y )^2 -pr*y　)

・非独立なデータの適当な因子で推定、lm;mlsによる推定値と比較してみると、

　空欄はIC

　各係数（マイナスな係数も）がそろって1.5倍になっている.
　ちなみに交互作用有の線形回帰モデルでは切片以外が1.5倍となり、独立データではすべて1.5倍になる.
・はずれ数はどうか.
　　　　　　　　　lm最小二乗　　　　最小二乗-pry 加　　　
　　　はずれ数　　　16　　　　　　　　　9　　　　　　　
・係数が大きめに推定され、はずれ数は減らせた.

②　「ｓ」字状
　　（y-（sin prπ/2）^2）^2
　サイン二乗カーブが p-y図で「ｓ」字状の最小値を描く.　
　小さな係数ほど大きめに推定される.はずれ数はlm最小二乗よりやや悪化する.

③　「半放物線」状
　　pをsin^2カーブで変換する.
　　　　2/π･arcsin√ p
　　arcsinは級数から近似式とし、yとのmlsを計算させる.
　作られる曲面は、p=0,y=1のところで最大となっており、非対称でもある.
　係数から計算される率は生起因子は大きめ、他の因子は小さめに推定され、はずれ数は９.
　　
・推定関数を並べると、最小値の描くラインが異なり、最大値の場所も異なってる.
　③では、望まれる、y=1のとき、pが大きくならない推定（はずれ数で評価した過去記事）が得られる.しかし、”正しい”推定である保証はない.
　より、「らしい」推定のために、因果関係を式にして確率を定義することが１つ、一方で推定関数には興味が持てる.

　
推定関数はこの曲面の上の点が、IDの数だけ積み重なることになり、