整理了一些腾讯网友关于“泰拳王叫板中国武术，欲灭少林挑战方丈释永信”的新闻评论，喜感十足，叫人喷饭

武汉网友：我估计那个泰拳王，可能前段时间去过少林寺，本想去会会少林功夫，可少林寺不是随便能进的，要钱的，还要烧香，烧个香还是普通烧个香的价，这事击怒了佛主的忠实粉丝考克莱，随便点名要挑战少林老总，如果打起来的话，我投泰拳王，不是不相信少林功夫，是不相信一个一身肥肉，一个一身肌肉啊！

遂宁网友：小释，他都骑到你头上了！

深圳网友：释永信打炮技术应该不错，打拳估计还没打就趴下了~~~哈哈

网友：先让他们过咱中国城管这关再说挑战少林寺的事情吧~~~

济南网友：方丈出差了，等你们打完了，他老人家就回来了

网友：释永信是少林的BOSS， 要打， 也要从知客僧 俗家弟子打起， 再过了罗汉堂首座、达摩院首座、监寺，才能挑战方丈； 就算把释永信KO了， 还有隐藏关卡， 什么后院扫佛塔的老僧， 厨房的伙工头陀， 只要他们一弹指， 泰拳五大傻就被秒杀了

无锡网友：方丈说：哥练的不是武术，哥练的是寂寞，哥玩的不是打架，哥玩的是女人。

鸡西网友：我预测本次比赛中国队3：2胜泰国，为什么呢呵，！！！！因为我少林寺有都是钱，1000万够不够你泰国选手分得，不行再加，我同意楼上一位的观点，这年 头得相信潜规则，有钱能使鬼推磨。中国外交一流，拿钱搞定他，这次肯定是给武林大会造势来了，就是个虚假广告，这年都这东西打不绝地，同意的给我点左边

东莞网友：泰拳王真识货，少林寺最能打的就是释永信。

重庆网友：让方丈一腚坐死你！！

百色网友：哎~~中原武林的事居然要外国武师来替天行道

咸阳网友：派国足呀， 肯定没有问题

广州网友：呵~有本事就和丐帮打~

潍坊网友：我要挑战他信的老婆

广州网友：泰国怎么这么嚣张,送它几粒花生米什么都好说了,没有办法了,李小龙不在了,只能这么办了

吉林网友：啊！南蛮来袭，中原武林又要有一场浩劫了。。。

济南网友：就凭这方丈的一身膘，绝对是抗击打的优良代表

金华网友：阿弥陀佛，老衲震精了~

常州网友：非得师太出手吗？

网友：千万不要搞夸了少林啊！它是个纳税大户籍啊

小熊：你说你是不是再也恢复不到以前大学时的体能了
大熊：谁说的？！
小熊：瞧你现在胖的
大熊：我这不是在减肥嘛
小熊：可是你最近跑步少了很多呀
大熊：这不是没料到冬天会来嘛
小熊：哎哟，都怪冬天来之前没给你打个电话先？
大熊：是呀，不打电话也就罢了，至少你也该发个email啥的吧

一个SUNY的化学PhD, UM chemical engineering的post-doc，在Science发过一篇report(A. Sun, J. W. Lauher, N. S. Goroff, “Preparation of poly(diiododiacetylene): an ordered conjugated polymer of carbon and iodine” Science, 2006, 312, 1030-1033. )

现在海归半年后在北京练摊来着
北京TV的视频链接：
http://news.vodone.com/sh/2009-11-13/125809384634.shtml

This is a R code I wrote to replicate a study by Xu and Bao (2004, "Detecting Spatial Clusters: a Bayesian Approach with application to identifying disability patterns in Mississippi and Alabama"). Thanks to everyone who helped me with this, in particular, Xu and Bao, the authors of the original paper, and among others, Crystal and Jing Zhang.
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!Code Begins here!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
#################################################
# Replicate Xu and Bao(2004)
# Disability rate among the elderly(65 or over)
# 149 Counties in Alabama and Mississippi
# 1990 Census data
#################################################
library(poLCA)
library(TeachingDemos)
setwd("C:/Hongwei/Methods/Bayesian Analysis/Spatial/NHGIS_1990 Census/")
################################
# Read in spatial weight matrix
################################
sp = read.table("ALMS_cntywt.csv",header=T,sep=",")
sp = sp[order(sp$countyid,sp$NID),]
spwt = as.matrix(cbind(sp$countyid,sp$NID))
################################
# Read in disability rate data
################################
dat = read.table("ALMS90_DisbNb.csv",header=T,sep=",")
names(dat)
cntyid = dat$countyid # County ID
pop = dat$pop65p # Total elderly population in each county
y = dat$pop65p_dis # Total disability elderly in each county
disrate = dat$disrate # Disability rate
cnty.k = dat$kdis-1 # Pre-defined types of county
n.cnty = length(cntyid) # Total number of counties in the study area

##################################
# Gibbs sampling for the posterior
##################################
##########################################################
# Step 1: Set initial values for p0, p1, p2, x (page 276)
# p0 < p1 < p2
# xi = 0 if yi==1; xi = 1 if yi==2; xi = 2 if yi==3
##########################################################
# Initial values of parameters
p0.0 = .1; p1.0 = .2; p2.0 = .3
x.0 = cnty.k
b = .5
# Initialize vectors to store posteriors of parameters
p0.post = p0.0; p1.post = p1.0; p2.post = p2.0;
x.post = x.0        
#######################
# Step 2. Gibbs sampling
#######################
M = 100000 # Number of iteration
for(i in 2:M){
    ##########################################
    # Conditional on y and x, sample p0,p1,p2
    ##########################################
    # Parameters for Beta distribution
    #b0.L = sum(y[x.0==0]+1); b0.U = sum(pop[x.0==0]-y[x.0==0]+1)
    #b1.L = sum(y[x.0==1]+1); b1.U = sum(pop[x.0==1]-y[x.0==1]+1)
    #b2.L = sum(y[x.0==2]+1); b2.U = sum(pop[x.0==2]-y[x.0==2]+1)
    #print(x.0)
    b0.L = sum(y[x.0==0])+1; b0.U = sum(pop[x.0==0]-y[x.0==0])+1
    b1.L = sum(y[x.0==1])+1; b1.U = sum(pop[x.0==1]-y[x.0==1])+1
    b2.L = sum(y[x.0==2])+1; b2.U = sum(pop[x.0==2]-y[x.0==2])+1
    # Draw p0,p1,p2
    p0.0 = rbeta(1,b0.L,b0.U)
    p1.0 = rbeta(1,b1.L,b1.U)
    p2.0 = rbeta(1,b2.L,b2.U)
    # Store sampled p0,p1,p2
    p0.post = c(p0.post,p0.0)
    p1.post = c(p1.post,p1.0)
    p2.post = c(p2.post,p2.0)
    #########################################################################
    # Conditional on p0,p1,p2 and y, sample x
    # There are several functions to do a random draw from multinomial dist
    # rmultinom from library(stats)
    # e.g. rmulti(c(.1,.3,.6)) from library(poLCA)
    #########################################################################
    # Update x_i for each county sequentially
    # This is another layer of Gibbs sampling
    for(k in 1:n.cnty){
        # list of neighbors of ith county; county ID = 1,2,...,149
        nb = spwt[spwt[,1]==k,2]
        temp = x.0[nb] # x.0 for county i's neighbors
        # Sum up number of different types of neighbors for county i
        u0 = sum(as.numeric(temp==0)) # A indicator vector of x.0==0
        u1 = sum(as.numeric(temp==1)) # A indicator vector of x.0==1
        u2 = sum(as.numeric(temp==2)) # A indicator vector of x.0==2
        #########################
        # q0,q1,q2 on Log scale
        #########################
        q0.log = (2*b*u0)+y[k]*log(p0.0)+(pop[k]-y[k])*log(1-p0.0)
        q1.log = (2*b*u1)+y[k]*log(p1.0)+(pop[k]-y[k])*log(1-p1.0)
        q2.log = (2*b*u2)+y[k]*log(p2.0)+(pop[k]-y[k])*log(1-p2.0)
        #print(c(q0.log,q1.log,q2.log))
        q0.q=1/(1+exp(q1.log-q0.log)+exp(q2.log-q0.log))
        q1.q=1/(1+exp(q0.log-q1.log)+exp(q2.log-q1.log))
        q2.q=1/(1+exp(q0.log-q2.log)+exp(q1.log-q2.log))
        x.0[k] = rmulti(c(q0.q,q1.q,q2.q))-1
    }
    x.post = cbind(x.post,x.0)
}
burned = M/2 # Number of burned-in iterations
##################################################
# The 95% Highest Posterior Density Interval (HPD)
##################################################
emp.hpd(p0.post,conf=.95)
emp.hpd(p1.post,conf=.95)
emp.hpd(p2.post,conf=.95)
emp.hpd(p0.post[(burned+1):M],conf=.95)
emp.hpd(p1.post[(burned+1):M],conf=.95)
emp.hpd(p2.post[(burned+1):M],conf=.95)
summary(p0.post)
summary(p1.post)
summary(p2.post)
apply(x.post[,(burned+1):M],1,mean)
# Trace plots
par(mfrow=c(2,2))
plot(seq(1,M,1),p0.post,type="l")
plot(seq(1,M,1),p1.post,type="l")
plot(seq(1,M,1),p2.post,type="l")

# Export X.post
write.table(as.matrix(cbind(x.post[,M],apply(x.post[,(burned+1):M],1,mean))),file="x_post.csv",sep=",")

!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!Code Ends here!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

我自己没解出来，于是先后请教了几个不同专业、不同背景的人。期中包括econ、chemistry的graduate students，geology的Phd，geography的post-doc，sociology的graduate student和post-doc等,以及小熊！

最后由一个physics出身的biostats graduate student给出了一个合理解，在此特意感谢Jing Zhang同学！！

题目可以简化为：有三个未知实数p1，p2，p3，但已知 p1=q1^5000，p2=q2^4800，p3=q3^4900。其中q1、q2、q3已知，并且0<q1<1，0<q2<1，0<q3<1；"^"是指数符号，即p1等于q1的5000次方。求解p1/p、p2/p和p3/p，期中p=p1+p2+p3。

p1、p2、p3都是极小的数（小数点后百千位以上），一般的计算软件无法handle，基本上会将p1、p2、p3等同于0处理，导致p1/p、p2/p、p3/p无解（因为p约等于0）。

一个可行的解法如下：p1/p = 1/(p/p1)=1/((p1+p2+p3)/p1)=1/(1+p2/p1+p3/p1)=1/(1+exp(log(p2/p1))+exp(log(p3/p1)))

周末晚上打电话回家，通常接电话的是老爸，这次居然是老妈
我：今天你怎么抢在老爸前了？
老妈：今天你老爸把电视关了，坐在他的位置上（离电话机远），我坐在我的位置上（离电话机近），那不就是我抢到电话了
我：怎么把电视关了？（北京时间是周日早上）
老妈：你老爸说没啥好看的
我：不会吧，我刚才在网上看中央10台，讲什么皮影戏，还蛮有意思的
老妈：中央10？是不是总搞些探秘啦，妖魔鬼怪啦
我：是呀
老妈：你老爸看不懂，他是文盲
我：不会吧，他明明上过初中的。唉，想当年，你可是在我们家学历最高（高中）的位置上，一占就是18年呀
老妈：是呀！（陷入甜蜜的回忆中）
我：有没有想过再读个大学啥的？不是有电大吗？
老妈：对哦，还有老年大学，我明天就去报个名
我：好呀好呀，读完了大学，再来美国读个PhD
老妈：屁什么的？
我：！？。。。。。。。。

（继续闲扯中）

我：上次那四只螃蟹吃的怎么样？
老妈：哎哟，你老爸都不吃的
我：不会吧，大闸蟹哎
老妈：第一天，他就吃了一只；第二天，他又只吃了一只；第三天，他说什么也不吃了；还剩下两只，我就让你奶奶拿去吃了
我：？！你自己怎么一只都不吃？
老妈：吃螃蟹多麻烦呀，要剥壳。下次再也不买了，你老爸一点都不识抬举，所以我今天就给他买了臭豆腐
我：臭豆腐也很好吃呀
老妈：你老爸说，要油炸，油炸了才更好吃

（未几，老爸接过电话）
老爸：螃蟹吃厌了啦，还是臭豆腐好吃，用油煎一下，弄点酱油和醋，拌点葱和辣椒................
我（流口水中）

(1) External disk drive
(2) DVDs

某日，小熊在读倚天屠龙记，大熊的手在小熊的腿上搜索......
小熊（怒）：找啥呢？
大熊（坦然）：钥匙
小熊（怒斥）：咸猪手！
大熊（诧异）：啊？哦，黄縢酒
小熊（莫名其妙）：下一句？
大熊（电光火石）：呼儿将出换美酒
小熊：~^*!?&#$%
（to be continued）

以下节选自“黄汲清与中国石油大发现”（http://www.oilnews.com.cn/bk/system/2007/04/29/001088142.shtml）
*******************************************
1978年11月14日，在全国科协第一届全国会员代表大会第二次（扩大）会议上，黄汲清第一次在公开场合 放出了一颗被称为震动整个中国科技界的原子弹。他在长篇发言中说道：“可以得出结论说，大庆、大港、胜利油田的发现与地质力学完全无关！这恐怕是铁的事 实！……我在这儿提出我的希望，也就是两个意见吧。第一，今后是不是不要在报纸或杂志上面吹嘘地质力学的理论发现了中国东部的大油田，不要再这样吹嘘了。 第二，今后，地质力学这是一个学派了，应该让它发展，这是不成问题的。但是其他的学派、理论是要和地质力学一样，同样有机会发展。”

    黄汲清的奋起其实早在一年半以前就已经开始了，他已经向中央向邓小平发出了两次强烈的呼吁，获得过两次批示，只是后来公开的多是第二次，即1978年1月 11日黄老给党中央的信及邓小平在此信上的批示。在这封信中，黄汲清全面而详细地反映了“存在于地质界的一个重大问题，即我国东部的大油田（包括大庆、胜 利、大港等油田）到底是怎么发现的……”黄老在信中说：

    我查阅了1955年至1960年期间所有有关松辽平原石油普查工作的报告和资料，确知它们都采用了我的地质构造理论和学派术语，而并无地质力学的理论和术 语。这是无可争辩的事实……“文化大革命”以来，就有讹传，说什么我国东部油田是根据李四光同志的地质力学理论而发现的。1974年10月17日《人民日 报》等报纸刊登了新华社记者的《独立自主、高歌猛进》一文，首次错误地报道了这一讹传……如果说这在“四人帮”猖獗的日子里还算情有可原……不能不提到的 是最近在《人民日报》（1977年10月24日）和《红旗》杂志（1977年第十一期）上分别刊登的以国家地质总局理论组名义发表的两篇文章：《毛泽东思 想指引我们向地球开战》和《一面又红又专的旗帜》，在这两篇文章中，除了继续坚持所谓用李四光同志的地质力学理论找到大庆等油田的不符事实的说法之外，又 进一步制造了“李四光同志亲自指导这项工作”的谎言……我的态度是：

    第一、已故李四光同志……在他担任地质部长期间……为我国东部几大油田的勘探和开发铺平了道路。把李四光同志作为科学技术界一面又红又专的旗帜来树立是理所当然的。

    第二、……尽管他的地质力学理论至今也并未得到国际地质界的承认和采用，我仍然认为地质力学作为一个中国人独创的学派和其他学派一样都应当积极发展……那种把一种学派说成是绝对正确的……把其他学派说成是绝对错误的……本身就是违反辩证法的，是非常错误的。

    第三、我国大庆等东部油田的普查和发展与地质力学的理论无关，这是事实……据我所知，李四光同志本人生前并没有说过大庆油田是根据地质力学理论布置普查而发现的。”

***************************************************************************

临近祖国60周年华诞前，读了一些颇为骇人听闻的文章。这个过程类似于读文献：偶然发现一篇东西，讨论到一些骇人听闻的人或事；以其中涉及到的人名、事件作为关键词，继续搜索，挖掘出更多的故事和新的线索。

Foucault说，所谓历史，不过是被权力玩弄的知识。

愿我们在为祖国的“强盛”沾沾自喜的同时，不要忘了那些已经被淡忘的人和事。

本文 转载自：左右逢源（http://hi.baidu.com/zxzhu/blog/item/3a9be1fec2158c325c6008c5.html）
 ******************************************************       
反右50年祭：谢家荣被开膛破肚
2007年09月24日 星期一 18:22

反右50年祭：谢家荣被开膛破肚

　　中国工业的骄傲——大庆油田，坐落在东北松辽盆地内。“松辽盆地”这个名字是中国地质学家谢家荣命名的，也正是他，最早坚持“北满有油”。

　　谢家荣1898年出生于上海，1913年考入工商部地质研究所，1917年被选派赴美留学深造。1920年获威斯康星大学理学硕士学位。回国后从事地质勘探实践，地质理论研究和教学工作。1936年编制《中国各种储油区域油苗、油页岩及地沥青分布图》，为中国石油勘探普查打下基础。1937年发表论文《中国之石油储量》，提出陆相生油的假设。（1937年中国在陆相地质层发现玉门油田，1941年中国留美学生潘钟祥在美国首次正式发表陆相生油理论。）1949年谢家荣第一个坚持“北满”有油。1950年代初任地质部总工程师，燃料工业部石油地质顾问，并首次提出对“北满”实地深度勘探（伪满洲国时期日 本人曾经作过勘探，未能发现石油）。1954年与黄汲清等编制《中国含油远景图》。

　　1957年谢家荣被打成右派分子。但是他的主张被同仁黄汲清继续坚持，终于在1959年发现了大庆油田。1978年黄汲清撰文指出：“谢家荣是注意到在华北和东北平原下找油的第一位地质学家，这点一般人都不知道。”（黄汲清1978年上书）

　　谢家荣是1948年中央研究院首批81人院士之一，也是1955年中国科学院首批学部委员，不过1957年被划成右派分子之后，连学部委员也被撤掉了。（竺可桢日记）。就是这样一个令中华民族骄傲的科学家，却死得极为屈辱。

　　1966年文革开始，8月8日，谢家荣与其他地质专家一起在地质科学院遭受批斗，被迫下跪，受尽屈辱。8月13日，谢家荣写下遗书，然后吞服安眠藥，含恨自尽。

　　在当时，自殺也是一种严重罪行，人虽然死了，但是还要带上“自绝于党自绝于人民”罪名，株连到家庭成员。所以，谢家人连忙销毁了谢家荣的遗书，告诉地质科学院的革命造反派，说谢家荣因心脏病发作而去世。

　　但是革命造反派还是怀疑谢家荣是自殺，把谢家荣的尸体送上了解剖台。见医生剖开了尸体，说他不是自殺的，方才罢休。但是那些人因谢家荣是右派分子，不容缝上尸体，就拉去火化。直到文革之后，谢家人才公布了真相，说出了那张被烧毁的遗书

 ******************************************************

小熊：如果我们将来有了一个农场的话，你猜我首先会种什么？
大熊：会种什么？（很有才的反问，嘿嘿）
小熊：猜猜看嘛，肯定是美国没有，中国有的
大熊（长考4.9秒钟后）：竹笋？
小熊：你没见New Orleans有竹子吗？
大熊：那还能是啥
小熊（出神，流口水状）：杨梅！当然是杨梅！
大熊：美国土地那么辽阔，和俺们祖国纬度相当，应该不至于不产杨梅吧
小熊：就是没有！到时候，我们在美国找个和江南的气候、地形、土质相似的地方，种上几亩杨梅，嘿嘿
大熊（作深沉状）：嗯......好
小熊：你说“梅子黄时日日晴”是什么梅？
大熊：杨梅会变黄吗？好像都是红的吧？
小熊：也有黄的，但很稀有
大熊（长考xx秒，刘翔跑完了50米）：我想很可能是一种广大人民群众所熟知的梅
小熊：什么梅？
大熊：一剪梅！

（Copy right @ 2009 by Happier）

我跟我老公抱怨：
你看人家大熊小熊，说话多有内涵。不愧是phd!
老公：说什么了（气愤的）？好，我也有内涵一个：obama的health care计划如何推行？obama是不是个socialist?
我：老公，在回答你的问题之前，我问一个问题：今晚吃饺子还是炒饭。
老公：炒饭！炒饭!(用中文，兴奋的）

（Note: 我 = Happier；老公 = Happier's husband，non-Chinese）

For my dear friends who are being through tough times and for myself. Suck it up and let's kick some doors down, man!!

"I don’t wanna go home
and give into all these people
who say I can’t do it
I don’t want to prove them all right"

I didn't come here to lose!
You didn't come here to lose!
We didn't come here to lose!

Here presents "I didn't come to lose" by Jimmy Wayne:
Youtube link of the song (click me)
http://www.youtube.com/watch?v=FFn3IfLmyYo

夜晚，电脑前，很专注地上网中。

小熊：过来，给你科普一下
大熊：嘛玩意儿？
小熊（指着她的显示屏）：这就是Hermes Birkin的包包，也就是传说中的爱马仕铂金包
大熊：哦，可是看起来好像是皮质的，不是铂金的哎
小熊：铂金是birkin的谐音啦！！
大熊：噢
小熊：看，它价钱是多少
大熊：7000？！是美元 or 人民币呀？
小熊：当然是美元咯！
大熊：这样啊，它能听mp3吗？
小熊：不能！
大熊：有GPS吗？
小熊：没有！
大熊：装的什么操作系统？Win7？Ubuntu? 还是Snow Leopard？
小熊：这是个包包啦！
大熊：哦，明白了
小熊：明白什么了？
大熊：我明白了为什么人类至今尚未登陆火星
小熊：神经病！给你看几张明星背着这款包包的照片......（流利地上网、切换网页中）

两秒钟后——
小熊（指着某个新打开的网页）：看，漂亮吧！
大熊（看到网页上的文字“李英爱xxxxxx”）：哦，疑似韩国明星？
小熊：是呀
大熊：哦，明白了
小熊：你又明白什么了
大熊：我明白了为什么韩国尚未成功发射地球轨道卫星

今日读到一则新闻——“住户刺死强拆者被判防卫过当获缓刑”（http://news.sina.com.cn/s/2009-09-17/040518666434.shtml），见识到新浪网友的牛x回复，特整理并转载如下：

江苏网友，原帖：
请问法官，你收了开发商多少钱。

广西网友，2楼：
只收了一点点，没多少，别说出去，我分你点。。。。

天津网友，3楼：
分给我多少，少了我就把你给卖了！

北京网友，4楼：
少于一套100平米以上的房子，老子不干！

新浪网友，5楼：
你把这事给平了,我再送你一套.

河南网友，6楼：
本官爱住别墅，其它房子住不惯！

河南网友，7楼：
我们已经把开发安居工程的地改为别墅，放心吧您！

北京网友，8楼：
好，老子满足了。你再去搞几个开发商的女儿和小M让我爽爽。。。

黑龙江网友，9楼：
嘿嘿。。这事我全看见了，你们说咋办吧？

山东网友，10楼：
咋办？找两个黑道上的做了你。。。

北京网友，11楼：
轻声！别让那两个公安听到！

广东网友，12楼：
怕什么，一家人！

四川网友，13楼：
把那两个公安也叫上吧

山东网友，14楼：
好啊。什么时候？明天不行啊，明天我们两个还得看场子呢。