tag:blogger.com,1999:blog-38119904246466884042024-03-06T09:57:31.882+09:00Dead Poet Weblog死せる詩人のWeblogです。読書記録とDungeons and Dragons Role Playing Gameのセッション記録が主です。リンクは御自由にどうぞ。死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.comBlogger2384125tag:blogger.com,1999:blog-3811990424646688404.post-81624116800592573342021-03-19T23:34:00.001+09:002021-03-19T23:34:25.039+09:00振れ! (再)諸君 私はダイスが好きだ
<br>諸君 私はサイコロが大好きだ
<br>
<br>20面体が好きだ
<br>10面体が好きだ
<br>8面体が好きだ
<br>6面体が好きだ
<br>4面体が好きだ
<br>テーブルの上を果てしなく転がる12面体好きだ
<br>誰も使わない30面体が好きだ
<br>ゴルフボールのような100面体が好きだ
<br>立体にならない3面体が好きだ
<br>
<br>Greyhawkで Forgotten Realmsで
<br>Darksunで Mystaraで
<br>Ravenloftで Spelljammerで
<br>Birthlightで Dragonlanceで
<br>Astralで Outer planeで
<br>
<br>このテーブルを舞台に現れるありとあらゆるダイスが大好きだ
<br>
<br>Instant killでボスを倒すのが好きだ
<br>20の出目でしか命中しない攻撃を死に物狂いに繰り返すプレイヤの姿には心がおどる
<br>
<br>愛用のd20がキャラクタを撃破するのが好きだ
<br>悲鳴を上げて射撃しつつ後退するゴブリン軍団を
<br>Fireballの一閃10d6で撃破する時など胸がすくような気持ちだった
<br>
<br>ドラゴン乱舞で6d20を振るが好きだ
<br>Dying状態のキャラクタがstableする為に必死にダイスを振る様など感動すら覚える
<br>
<br>敗北主義の日和見主人公達が1の出目を繰りかえし勝手に追い詰めらていくときなどもうたまらない
<br>泣き叫ぶ主人公達が濃酸の池に嵌り20d6ダメージを受けるのも最高だ
<br>
<br>理不尽な出目にシナリオを滅茶苦茶にされるのが好きだ
<br>Maximizeされたcone of coldでダイスを振らずにダメージを出す様はとてもとても悲しいものだ
<br>
<br>Sorcererの無尽蔵な5d4+5のmagic missleに押し潰されて殲滅されるのが好きだ
<br>満を持して設置した罠がtake20のsearchで発見され解除されていくのを見るのは屈辱の極みだ
<br>
<br>諸君 私はダイスを悪夢の様なダイスを望んでいる
<br>諸君 私に付き従うダイス諸君
<br>君達は一体何を望んでいる?
<br>
<br>更なる出目を望むか?
<br>情け容赦のない糞の様なVariantを望むか?
<br>振り直しの限りを尽くしEpicのキャラクタを殺す嵐の様な能力を望むか?
<br>
<br>『ガイギャックス! ガイギャックス! ガイギャックス!』
<br>
<br>よろしい ならばd20だ
<br>
<br>我々は渾身の力を込めて今まさにテーブルに振られんとする20面体だ
<br>だがこのダイルロールもされないtake20で5年もの間堪え続けてきた我々に、ただのダイスロールでは最早足りない!!
<br>
<br>誇大なダイスロールを!
<br>一心不乱のダイスロールを!!
<br>
<br>このダイスはわずか掌の上に10個に満たぬ寡兵に過ぎない
<br>だが諸君は一騎当千の古強者だと私は信仰している
<br>ならばこの20面体は50%の確率で20を出す戦闘集団となる
<br>
<br>我々を想像の埒外へと追いやりダイスを振らず遊び呆ける連中を叩き起こそう
<br>ダイスポーチをつかんで引きずり出し眼を開けさせ思い出させよう
<br>連中に20の味を思い出させてやる
<br>連中に1の苦痛を思い出させてやる
<br>
<br>天と地の狭間には奴らのルールでは思いもよらない事があることを思い出させてやる
<br>6個の赤箱付属ダイスで
<br>プレイヤキャラクタを滅ぼし尽くしてやる
<br>
<br>「ダンジョンマスタより全プレイヤへ」
<br>目標米国本土ミルウォーキィ上空!!
<br>
<br>Return to the Tomb of Horrors ダンジョンを開始せよ死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com1tag:blogger.com,1999:blog-3811990424646688404.post-77922112823281131622018-01-05T08:01:00.000+09:002018-01-08T08:04:03.843+09:00【今日の読書】 R によるやさしい統計学書名: R によるやさしい統計学<br />
著者: 山田 剛史、杉澤 武俊、 村井 潤一郎<br />
出版: オーム社<br />
ISBN: 978-4-274-06710-5<br />
<br />
題名の通り、R 言語を用いて統計学の基礎を説明している本です。<br />
<br />
統計については基本的な検定 (t 分布を用いた検定、カイ二乗検定、無相関検定、t 検定) や分散分析あたりまでが対象です。<br />
<br />
R については Windows と MacOS でインストールから解説していますが、いかんせん刊行が 2008 年と古いので現在の環境とは乖離しているかもしれません。(僕は R ではなく Python で実装をすすめたので R の事は不明です)<br />
<div>
<br /></div>
<br />
<iframe frameborder="0" marginheight="0" marginwidth="0" scrolling="no" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4274067106&linkId=7c0ce05a40adb809678325c24143a36c" style="height: 240px; width: 120px;"></iframe><br />
死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0tag:blogger.com,1999:blog-3811990424646688404.post-12356161877210018242017-12-19T20:17:00.000+09:002017-12-19T20:17:06.776+09:00「R によるやさしい統計学」を Python で実習する 第 4 章<div class="cell border-box-sizing text_cell rendered"><div class="prompt input_prompt">
</div>
<div class="inner_cell">
<div class="text_cell_render border-box-sizing rendered_html">
<h3 id="第-4-章-母集団と標本">第 4 章 母集団と標本<a class="anchor-link" href="#第-4-章-母集団と標本">¶</a></h3><p>2、3 章でやったのは、母集団であれ標本であれ手元にあるデータの集合を統計量を使って記述するという事。
この章では、大きな集団 (母集団) から取り出した幾つかの標本を元に、母集団の性質について推測する推測統計。</p>
<p>あとこの辺まで読んでびっくりしたのが、この本の中で「心理統計学の基礎 統合的理解のために」が何度も取り上げられている事。</p>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [17]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="c1">#import statistics as stat</span>
<span class="kn">import</span> <span class="nn">numpy</span> <span class="k">as</span> <span class="nn">np</span>
<span class="kn">import</span> <span class="nn">matplotlib.pyplot</span> <span class="k">as</span> <span class="nn">plt</span>
<span class="kn">import</span> <span class="nn">pandas</span> <span class="k">as</span> <span class="nn">pd</span>
<span class="c1"># 17 歳の日本人男性全体 (母集団) の標本として 10 個抽出</span>
<span class="c1"># その平均で母数の平均を推測する</span>
<span class="n">h</span> <span class="o">=</span> <span class="n">np</span><span class="o">.</span><span class="n">array</span><span class="p">([</span><span class="mf">165.2</span><span class="p">,</span> <span class="mf">175.9</span><span class="p">,</span> <span class="mf">161.7</span><span class="p">,</span> <span class="mf">174.2</span><span class="p">,</span> <span class="mf">172.1</span><span class="p">,</span> <span class="mf">163.3</span><span class="p">,</span> <span class="mf">170.9</span><span class="p">,</span> <span class="mf">170.6</span><span class="p">,</span> <span class="mf">168.4</span><span class="p">,</span> <span class="mf">171.3</span><span class="p">])</span>
<span class="n">h_ave</span> <span class="o">=</span> <span class="n">np</span><span class="o">.</span><span class="n">mean</span><span class="p">(</span><span class="n">h</span><span class="p">)</span>
<span class="nb">print</span><span class="p">(</span><span class="n">h_ave</span><span class="p">)</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_subarea output_stream output_stdout output_text">
<pre>169.36
</pre>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing text_cell rendered"><div class="prompt input_prompt">
</div>
<div class="inner_cell">
<div class="text_cell_render border-box-sizing rendered_html">
<h4 id="推定量と-推定値">推定量と 推定値<a class="anchor-link" href="#推定量と-推定値">¶</a></h4><p>母集団の値 (母数) の推定の為に利用した、標本統計量を「推定量」と言う。上記の場合なら「算術平均値」を母数の推定量に使った、という事。</p>
<p>また実際に標本データを使って計算した値を「推定値」と言う。上記で言えば h_ave = 169.36 が推定値。</p>
<p>プログラミング的に表現するなら推定量は理論的に算出出来る「関数」で、推定値は「リテラル」。</p>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [18]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="c1"># numpy で不偏分散を計算</span>
<span class="n">h_var</span> <span class="o">=</span> <span class="n">np</span><span class="o">.</span><span class="n">var</span><span class="p">(</span><span class="n">h</span><span class="p">,</span> <span class="n">ddof</span><span class="o">=</span><span class="mi">1</span><span class="p">)</span>
<span class="nb">print</span><span class="p">(</span><span class="n">h_var</span><span class="p">)</span>
<span class="c1"># デフォルトだと標本分散になる</span>
<span class="nb">print</span><span class="p">(</span><span class="n">np</span><span class="o">.</span><span class="n">var</span><span class="p">(</span><span class="n">h</span><span class="p">))</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_subarea output_stream output_stdout output_text">
<pre>21.6671111111
19.5004
</pre>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [19]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="c1"># 乱数生成 numpy.random で出来る</span>
<span class="c1"># https://qiita.com/yubais/items/bf9ce0a8fefdcc0b0c97</span>
<span class="kn">from</span> <span class="nn">numpy.random</span> <span class="k">import</span> <span class="o">*</span>
<span class="c1"># 1 から 6 の整数の乱数を 1 つ生成</span>
<span class="nb">print</span><span class="p">(</span><span class="n">randint</span><span class="p">(</span><span class="mi">1</span><span class="p">,</span><span class="mi">6</span><span class="o">+</span><span class="mi">1</span><span class="p">))</span>
<span class="nb">list</span><span class="p">(</span><span class="n">randint</span><span class="p">(</span><span class="mi">1</span><span class="p">,</span><span class="mi">6</span><span class="o">+</span><span class="mi">1</span><span class="p">,</span><span class="mi">20</span><span class="p">))</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_subarea output_stream output_stdout output_text">
<pre>4
</pre>
</div>
</div>
<div class="output_area">
<div class="prompt output_prompt">Out[19]:</div>
<div class="output_text output_subarea output_execute_result">
<pre>[2, 3, 4, 3, 1, 6, 3, 6, 6, 2, 6, 3, 2, 4, 1, 1, 5, 1, 5, 5]</pre>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [20]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="kn">from</span> <span class="nn">collections</span> <span class="k">import</span> <span class="n">Counter</span>
<span class="n">counter</span> <span class="o">=</span> <span class="n">Counter</span><span class="p">(</span><span class="n">randint</span><span class="p">(</span><span class="mi">1</span><span class="p">,</span><span class="mi">6</span><span class="o">+</span><span class="mi">1</span><span class="p">,</span><span class="mi">6</span><span class="p">))</span>
<span class="k">for</span> <span class="n">word</span><span class="p">,</span> <span class="n">cnt</span> <span class="ow">in</span> <span class="n">counter</span><span class="o">.</span><span class="n">most_common</span><span class="p">():</span>
<span class="nb">print</span><span class="p">(</span><span class="n">word</span><span class="p">,</span><span class="n">cnt</span><span class="p">)</span>
<span class="nb">print</span><span class="p">(</span><span class="s2">"</span><span class="se">\n</span><span class="s2">"</span><span class="p">)</span>
<span class="n">counter100</span> <span class="o">=</span> <span class="n">Counter</span><span class="p">(</span><span class="n">randint</span><span class="p">(</span><span class="mi">1</span><span class="p">,</span><span class="mi">6</span><span class="o">+</span><span class="mi">1</span><span class="p">,</span><span class="mi">1000000</span><span class="p">))</span>
<span class="k">for</span> <span class="n">word</span><span class="p">,</span><span class="n">cnt</span> <span class="ow">in</span> <span class="n">counter100</span><span class="o">.</span><span class="n">most_common</span><span class="p">():</span>
<span class="nb">print</span><span class="p">(</span><span class="n">word</span><span class="p">,</span><span class="n">cnt</span><span class="p">)</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_subarea output_stream output_stdout output_text">
<pre>5 2
1 1
2 1
4 1
6 1
2 167127
4 166761
6 166677
3 166649
1 166457
5 166329
</pre>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [25]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="n">plt</span><span class="o">.</span><span class="n">bar</span><span class="p">([</span><span class="s2">"M"</span><span class="p">,</span> <span class="s2">"F"</span><span class="p">],</span> <span class="p">[</span><span class="mi">2</span><span class="o">/</span><span class="mi">3</span><span class="p">,</span> <span class="mi">1</span><span class="o">/</span><span class="mi">3</span><span class="p">])</span>
<span class="n">plt</span><span class="o">.</span><span class="n">show</span><span class="p">()</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_png output_subarea ">
<img src="data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAXcAAAD8CAYAAACMwORRAAAABHNCSVQICAgIfAhkiAAAAAlwSFlz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=
"
>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [37]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="c1"># 正規分布の確率密度関数</span>
<span class="n">f</span> <span class="o">=</span> <span class="k">lambda</span> <span class="n">x</span><span class="p">:</span> <span class="p">(</span><span class="n">np</span><span class="o">.</span><span class="n">exp</span><span class="p">(</span><span class="o">-</span><span class="n">x</span><span class="o">**</span><span class="mi">2</span><span class="o">/</span><span class="mi">2</span><span class="p">))</span> <span class="o">/</span> <span class="n">np</span><span class="o">.</span><span class="n">sqrt</span><span class="p">(</span><span class="mi">2</span><span class="o">*</span><span class="n">np</span><span class="o">.</span><span class="n">pi</span><span class="p">)</span>
<span class="n">n</span> <span class="o">=</span> <span class="mi">1000</span>
<span class="n">p</span> <span class="o">=</span> <span class="p">[</span><span class="n">f</span><span class="p">(</span><span class="n">x</span><span class="p">)</span> <span class="k">for</span> <span class="n">x</span> <span class="ow">in</span> <span class="n">np</span><span class="o">.</span><span class="n">linspace</span><span class="p">(</span><span class="o">-</span><span class="mi">4</span><span class="p">,</span><span class="mi">4</span><span class="p">,</span><span class="n">n</span><span class="p">)]</span>
<span class="n">plt</span><span class="o">.</span><span class="n">scatter</span><span class="p">(</span><span class="n">np</span><span class="o">.</span><span class="n">linspace</span><span class="p">(</span><span class="o">-</span><span class="mi">4</span><span class="p">,</span><span class="mi">4</span><span class="p">,</span><span class="n">n</span><span class="p">),</span><span class="n">p</span><span class="p">)</span>
<span class="n">plt</span><span class="o">.</span><span class="n">show</span><span class="p">()</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_png output_subarea ">
<img src="data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAXcAAAD8CAYAAACMwORRAAAABHNCSVQICAgIfAhkiAAAAAlwSFlz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=
"
>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [45]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="c1"># 正規母集団から単純無作為抽出</span>
<span class="c1"># 平均 50、標準偏差 10、標本数 5</span>
<span class="n">sample</span> <span class="o">=</span> <span class="n">normal</span><span class="p">(</span><span class="mi">50</span><span class="p">,</span> <span class="mi">10</span><span class="p">,</span> <span class="mi">5</span><span class="p">)</span>
<span class="nb">print</span><span class="p">(</span><span class="n">sample</span><span class="p">)</span>
<span class="n">plt</span><span class="o">.</span><span class="n">hist</span><span class="p">(</span><span class="n">sample</span><span class="p">,</span><span class="n">bins</span><span class="o">=</span><span class="mi">6</span><span class="p">)</span>
<span class="n">plt</span><span class="o">.</span><span class="n">show</span><span class="p">()</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_subarea output_stream output_stdout output_text">
<pre>[ 43.18817731 45.93021025 48.61258077 51.41517152 22.69788665]
</pre>
</div>
</div>
<div class="output_area">
<div class="prompt"></div>
<div class="output_png output_subarea ">
<img src="data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAX4AAAD8CAYAAABw1c+bAAAABHNCSVQICAgIfAhkiAAAAAlwSFlz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"
>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [47]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="c1"># 標本数 1万、中心極限定理が観察できる</span>
<span class="n">sample2</span> <span class="o">=</span> <span class="n">normal</span><span class="p">(</span><span class="mi">50</span><span class="p">,</span> <span class="mi">10</span><span class="p">,</span> <span class="mi">10000</span><span class="p">)</span>
<span class="n">plt</span><span class="o">.</span><span class="n">hist</span><span class="p">(</span><span class="n">sample2</span><span class="p">,</span> <span class="n">bins</span><span class="o">=</span><span class="mi">16</span><span class="p">)</span>
<span class="n">plt</span><span class="o">.</span><span class="n">show</span><span class="p">()</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_png output_subarea ">
<img src="data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAYEAAAD8CAYAAACRkhiPAAAABHNCSVQICAgIfAhkiAAAAAlwSFlz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"
>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [51]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="c1"># 母集団から単純無作為抽出で標本を複数回抽出しても、当然抽出されるものは同じではない</span>
<span class="c1"># したがって、抽出する度にその標本値 (たとえば平均値) は異なる</span>
<span class="n">sample3</span> <span class="o">=</span> <span class="n">normal</span><span class="p">(</span><span class="mi">50</span><span class="p">,</span> <span class="mi">10</span><span class="p">,</span> <span class="mi">10</span><span class="p">)</span>
<span class="n">sample4</span> <span class="o">=</span> <span class="n">normal</span><span class="p">(</span><span class="mi">50</span><span class="p">,</span> <span class="mi">10</span><span class="p">,</span> <span class="mi">10</span><span class="p">)</span>
<span class="nb">print</span><span class="p">(</span><span class="n">np</span><span class="o">.</span><span class="n">mean</span><span class="p">(</span><span class="n">sample3</span><span class="p">),</span> <span class="n">sample3</span><span class="p">)</span>
<span class="nb">print</span><span class="p">(</span><span class="n">np</span><span class="o">.</span><span class="n">mean</span><span class="p">(</span><span class="n">sample4</span><span class="p">),</span> <span class="n">sample4</span><span class="p">)</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_subarea output_stream output_stdout output_text">
<pre>45.0366051714 [ 54.10431473 47.91864812 55.47318835 46.74851373 51.75296109
57.33983397 36.11324872 35.29190763 24.09140537 41.53203001]
61.4958695533 [ 62.52188233 40.08330706 53.17507861 53.59026655 62.85203939
59.70500566 64.5804723 70.17621897 74.42216631 73.85225834]
</pre>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [62]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="c1"># 標本値の分布を求める</span>
<span class="c1"># 平均 50、標準偏差 10の正規母集団から標本数 10 の単純無作為抽出を 1 万回行なう</span>
<span class="c1"># それぞれの回の平均値を計算して、その平均値を分布を求める</span>
<span class="n">s_ave</span> <span class="o">=</span> <span class="n">np</span><span class="o">.</span><span class="n">empty</span><span class="p">(</span><span class="mi">10000</span><span class="p">)</span>
<span class="k">for</span> <span class="n">i</span> <span class="ow">in</span> <span class="nb">range</span><span class="p">(</span><span class="mi">10000</span><span class="p">):</span>
<span class="n">s</span> <span class="o">=</span> <span class="n">normal</span><span class="p">(</span><span class="mi">50</span><span class="p">,</span> <span class="mi">10</span><span class="p">,</span> <span class="mi">10</span><span class="p">)</span> <span class="c1"># N=10でサンプリング</span>
<span class="n">s_ave</span><span class="p">[</span><span class="n">i</span><span class="p">]</span> <span class="o">=</span> <span class="n">np</span><span class="o">.</span><span class="n">mean</span><span class="p">(</span><span class="n">s</span><span class="p">)</span> <span class="c1"># 標本平均を計算</span>
<span class="n">plt</span><span class="o">.</span><span class="n">hist</span><span class="p">(</span><span class="n">s_ave</span><span class="p">,</span> <span class="n">bins</span><span class="o">=</span><span class="mi">16</span><span class="p">)</span>
<span class="n">plt</span><span class="o">.</span><span class="n">show</span><span class="p">()</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_png output_subarea ">
<img src="data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAYEAAAD8CAYAAACRkhiPAAAABHNCSVQICAgIfAhkiAAAAAlwSFlz
AAALEgAACxIB0t1+/AAAADl0RVh0U29mdHdhcmUAbWF0cGxvdGxpYiB2ZXJzaW9uIDIuMS4wLCBo
dHRwOi8vbWF0cGxvdGxpYi5vcmcvpW3flQAAEbBJREFUeJzt3X2MpWV5x/Hvr1BJQ7WATAnuQnel
i0ZNXXWKNr5UpSovRrBp6JJWkRIXIjQamyq0f2hsSbCVUrV2zaIr2CpIscSNri8rNZomBZnVDa9S
BljCbNbdsetLqwYLXP3jPFOPy8zu7Jwzc5i9v5/k5DzPde7znOvOs/rjeTlnUlVIktr0S6NuQJI0
OoaAJDXMEJCkhhkCktQwQ0CSGmYISFLDDAFJapghIEkNMwQkqWGHj7qBAzn22GNr1apVo25DkpaN
bdu2fa+qxuYz9kkfAqtWrWJiYmLUbUjSspHkofmO9XSQJDXMEJCkhhkCktQwQ0CSGmYISFLDDAFJ
apghIEkNMwQkqWGGgCQ17En/jWHpyWrVpV8Y2rZ2XHHm0LYlHQyPBCSpYYaAJDXMEJCkhhkCktQw
Q0CSGmYISFLDDhgCSTYl2ZPkzr7aZ5Js7x47kmzv6quS/LTvtY/2vedFSe5IMpnkQ0myOFOSJM3X
fL4ncA3wD8AnZwpV9Yczy0muBH7YN/7+qlo7y3Y2AG8FbgW2AKcBXzz4liVJw3LAI4Gq+gawd7bX
uv+aPwe4bn/bSHI88LSquqWqil6gnH3w7UqShmnQawIvB3ZX1X19tdVJvp3k60le3tVWAFN9Y6a6
2qySrE8ykWRienp6wBYlSXMZNATO5RePAnYBJ1bVC4B3Ap9O8rSD3WhVbayq8aoaHxsbG7BFSdJc
FvzbQUkOB34feNFMraoeAR7plrcluR84GdgJrOx7+8quJgl/h0ijM8gPyP0e8J2q+v/TPEnGgL1V
9ViSZwJrgAeqam+SHyV5Cb0Lw28GPjxI49JCDPP/bKVDwXxuEb0O+A/gWUmmklzQvbSOJ14QfgVw
e3fL6I3ARVU1c1H5bcDHgEngfrwzSJJG7oBHAlV17hz1t8xS+yzw2TnGTwDPO8j+JEmLyG8MS1LD
DAFJapghIEkNMwQkqWGGgCQ1zBCQpIYZApLUMENAkhpmCEhSwwwBSWqYISBJDTMEJKlhhoAkNcwQ
kKSGGQKS1DBDQJIaZghIUsMMAUlqmCEgSQ2bzx+a35RkT5I7+2rvTbIzyfbucUbfa5clmUxyb5LX
9dVP62qTSS4d/lQkSQdrPkcC1wCnzVK/qqrWdo8tAEmeA6wDntu95x+THJbkMOAjwOnAc4Bzu7GS
pBE6/EADquobSVbNc3tnAddX1SPAg0kmgVO61yar6gGAJNd3Y+8+6I4lSUMzyDWBS5Lc3p0uOrqr
rQAe7hsz1dXmqs8qyfokE0kmpqenB2hRkrQ/Cw2BDcBJwFpgF3Dl0DoCqmpjVY1X1fjY2NgwNy1J
6nPA00GzqardM8tJrgY+363uBE7oG7qyq7GfuiRpRBZ0JJDk+L7VNwIzdw5tBtYlOSLJamAN8E3g
NmBNktVJnkLv4vHmhbctSRqGAx4JJLkOeCVwbJIp4D3AK5OsBQrYAVwIUFV3JbmB3gXfR4GLq+qx
bjuXAF8GDgM2VdVdQ5+NJOmgzOfuoHNnKX98P+MvBy6fpb4F2HJQ3UmSFpXfGJakhhkCktQwQ0CS
GmYISFLDDAFJapghIEkNMwQkqWGGgCQ1zBCQpIYZApLUMENAkhpmCEhSwwwBSWqYISBJDTMEJKlh
hoAkNcwQkKSGGQKS1DBDQJIadsAQSLIpyZ4kd/bV/jbJd5LcnuSmJEd19VVJfppke/f4aN97XpTk
jiSTST6UJIszJUnSfM3nSOAa4LR9aluB51XVbwH/CVzW99r9VbW2e1zUV98AvBVY0z323aYkaYkd
MASq6hvA3n1qX6mqR7vVW4CV+9tGkuOBp1XVLVVVwCeBsxfWsiRpWIZxTeBPgC/2ra9O8u0kX0/y
8q62ApjqGzPV1WaVZH2SiSQT09PTQ2hRkjSbgUIgyV8CjwKf6kq7gBOr6gXAO4FPJ3nawW63qjZW
1XhVjY+NjQ3SoiRpPw5f6BuTvAV4PXBqd4qHqnoEeKRb3pbkfuBkYCe/eMpoZVeTJI3QgkIgyWnA
u4Dfraqf9NXHgL1V9ViSZ9K7APxAVe1N8qMkLwFuBd4MfHjw9tWCVZd+YdQtSIesA4ZAkuuAVwLH
JpkC3kPvbqAjgK3dnZ63dHcCvQJ4X5L/BR4HLqqqmYvKb6N3p9Gv0LuG0H8dQZI0AunO5DxpjY+P
18TExKjb0Ah5JDA6O644c9QtaAGSbKuq8fmM9RvDktQwQ0CSGmYISFLDDAFJapghIEkNMwQkqWGG
gCQ1zBCQpIYZApLUMENAkhpmCEhSwwwBSWqYISBJDTMEJKlhhoAkNcwQkKSGGQKS1DBDQJIaZghI
UsPmFQJJNiXZk+TOvtoxSbYmua97PrqrJ8mHkkwmuT3JC/vec143/r4k5w1/OpKkgzHfI4FrgNP2
qV0K3FxVa4Cbu3WA04E13WM9sAF6oQG8B3gxcArwnpngkCSNxrxCoKq+Aezdp3wWcG23fC1wdl/9
k9VzC3BUkuOB1wFbq2pvVX0f2MoTg0WStIQGuSZwXFXt6pa/CxzXLa8AHu4bN9XV5qpLkkZkKBeG
q6qAGsa2AJKsTzKRZGJ6enpYm5Uk7WOQENjdneahe97T1XcCJ/SNW9nV5qo/QVVtrKrxqhofGxsb
oEVJ0v4MEgKbgZk7fM4DPtdXf3N3l9BLgB92p42+DLw2ydHdBeHXdjVJ0ogcPp9BSa4DXgkcm2SK
3l0+VwA3JLkAeAg4pxu+BTgDmAR+ApwPUFV7k/wVcFs37n1Vte/FZknSEppXCFTVuXO8dOosYwu4
eI7tbAI2zbs7SdKi8hvDktQwQ0CSGmYISFLDDAFJapghIEkNMwQkqWGGgCQ1zBCQpIYZApLUMENA
khpmCEhSwwwBSWqYISBJDTMEJKlhhoAkNcwQkKSGGQKS1DBDQJIaZghIUsMWHAJJnpVke9/jR0ne
keS9SXb21c/oe89lSSaT3JvkdcOZgiRpoeb1h+ZnU1X3AmsBkhwG7ARuAs4HrqqqD/SPT/IcYB3w
XOAZwFeTnFxVjy20B0nSYIZ1OuhU4P6qemg/Y84Crq+qR6rqQWASOGVIny9JWoBhhcA64Lq+9UuS
3J5kU5Kju9oK4OG+MVNdTZI0IgOHQJKnAG8A/qUrbQBOoneqaBdw5QK2uT7JRJKJ6enpQVuUJM1h
GEcCpwPfqqrdAFW1u6oeq6rHgav5+SmfncAJfe9b2dWeoKo2VtV4VY2PjY0NoUVJ0myGEQLn0ncq
KMnxfa+9EbizW94MrEtyRJLVwBrgm0P4fEnSAi347iCAJEcCrwEu7Cv/TZK1QAE7Zl6rqruS3ADc
DTwKXOydQZI0WgOFQFX9GHj6PrU37Wf85cDlg3ymJGl4/MawJDVsoCMBaS6rLv3CqFvQEAxzP+64
4syhbUvD45GAJDXMEJCkhhkCktQwQ0CSGmYISFLDDAFJapghIEkNMwQkqWGGgCQ1zBCQpIYZApLU
MENAkhpmCEhSwwwBSWqYISBJDTMEJKlhhoAkNWzgEEiyI8kdSbYnmehqxyTZmuS+7vnorp4kH0oy
meT2JC8c9PMlSQs3rCOBV1XV2qoa79YvBW6uqjXAzd06wOnAmu6xHtgwpM+XJC3AYp0OOgu4tlu+
Fji7r/7J6rkFOCrJ8YvUgyTpAIYRAgV8Jcm2JOu72nFVtatb/i5wXLe8Ani4771TXU2SNAKHD2Eb
L6uqnUl+Hdia5Dv9L1ZVJamD2WAXJusBTjzxxCG0KEmazcBHAlW1s3veA9wEnALsnjnN0z3v6Ybv
BE7oe/vKrrbvNjdW1XhVjY+NjQ3aoiRpDgOFQJIjkzx1Zhl4LXAnsBk4rxt2HvC5bnkz8ObuLqGX
AD/sO20kSVpig54OOg64KcnMtj5dVV9KchtwQ5ILgIeAc7rxW4AzgEngJ8D5A36+JGkAA4VAVT0A
PH+W+n8Bp85SL+DiQT5TkjQ8fmNYkhpmCEhSwwwBSWqYISBJDTMEJKlhhoAkNcwQkKSGGQKS1DBD
QJIaZghIUsMMAUlqmCEgSQ0zBCSpYYaAJDXMEJCkhhkCktQwQ0CSGmYISFLDBv0bwzqErLr0C6Nu
QdISW/CRQJITknwtyd1J7kry9q7+3iQ7k2zvHmf0veeyJJNJ7k3yumFMQJK0cIMcCTwK/FlVfSvJ
U4FtSbZ2r11VVR/oH5zkOcA64LnAM4CvJjm5qh4boAdJy8QwjzR3XHHm0LbVugUfCVTVrqr6Vrf8
38A9wIr9vOUs4PqqeqSqHgQmgVMW+vmSpMEN5cJwklXAC4Bbu9IlSW5PsinJ0V1tBfBw39um2H9o
SJIW2cAhkORXgc8C76iqHwEbgJOAtcAu4MoFbHN9kokkE9PT04O2KEmaw0AhkOSX6QXAp6rqXwGq
andVPVZVjwNX8/NTPjuBE/revrKrPUFVbayq8aoaHxsbG6RFSdJ+DHJ3UICPA/dU1d/11Y/vG/ZG
4M5ueTOwLskRSVYDa4BvLvTzJUmDG+TuoJcCbwLuSLK9q/0FcG6StUABO4ALAarqriQ3AHfTu7Po
Yu8MkqTRWnAIVNW/A5nlpS37ec/lwOUL/UxJ0nD5sxGS1DBDQJIaZghIUsMMAUlqmCEgSQ0zBCSp
YYaAJDXMEJCkhhkCktQw/7zkMuefhJQ0CI8EJKlhhoAkNczTQZKWHf9e8fB4JCBJDTMEJKlhhoAk
NcwQkKSGGQKS1DBDQJIatuS3iCY5DfggcBjwsaq6Yql7GDW/5SvpyWJJQyDJYcBHgNcAU8BtSTZX
1d1L2YckzWj9OwdLfTroFGCyqh6oqp8B1wNnLXEPkqTOUp8OWgE83Lc+Bbx4sT7M0y6SltJyPKp4
Uv5sRJL1wPpu9X+S3DvKfhbBscD3Rt3ECLQ4b+fcjqHOO+8f6O2/Md+BSx0CO4ET+tZXdrVfUFUb
gY1L1dRSSzJRVeOj7mOptThv59yO5Trvpb4mcBuwJsnqJE8B1gGbl7gHSVJnSY8EqurRJJcAX6Z3
i+imqrprKXuQJP3ckl8TqKotwJal/twnmUP2VNcBtDhv59yOZTnvVNWoe5AkjYg/GyFJDTMElkiS
w5J8O8nnu/XVSW5NMpnkM92F8kPKLHO+JsmDSbZ3j7Wj7nGYkuxIckc3t4mudkySrUnu656PHnWf
wzbHvN+bZGffvj5j1H0OU5KjktyY5DtJ7knyO8t1XxsCS+ftwD196+8Hrqqq3wS+D1wwkq4W175z
BvjzqlrbPbaPoqlF9qpubjO3Cl4K3FxVa4Cbu/VD0b7zht6/75l9fahdB/wg8KWqejbwfHr/zpfl
vjYElkCSlcCZwMe69QCvBm7shlwLnD2a7hbHvnNu2Fn09i8cgvu5RUl+DXgF8HGAqvpZVf2AZbqv
DYGl8ffAu4DHu/WnAz+oqke79Sl6P6lxKNl3zjMuT3J7kquSHDGCvhZTAV9Jsq371jvAcVW1q1v+
LnDcaFpbVLPNG+CSbl9vWi6nRuZpNTANfKI73fmxJEeyTPe1IbDIkrwe2FNV20bdy1LZz5wvA54N
/DZwDPDupe5tkb2sql4InA5cnOQV/S9W71a8Q/F2vNnmvQE4CVgL7AKuHGF/w3Y48EJgQ1W9APgx
+5z6WU772hBYfC8F3pBkB71fTX01vfOJRyWZ+Z7GrD+fsYw9Yc5J/rmqdlXPI8An6P2q7CGjqnZ2
z3uAm+jNb3eS4wG65z2j63BxzDbvqtpdVY9V1ePA1Rxa+3oKmKqqW7v1G+mFwrLc14bAIquqy6pq
ZVWtovczGf9WVX8EfA34g27YecDnRtTi0M0x5z/u+x9I6J0vvXOEbQ5VkiOTPHVmGXgtvfltprd/
4RDbzzD3vGf2deeNHEL7uqq+Czyc5Fld6VTgbpbpvn5S/opoI94NXJ/kr4Fv011kOsR9KskYEGA7
cNGI+xmm44CbevnG4cCnq+pLSW4DbkhyAfAQcM4Ie1wMc837n7pbgAvYAVw4uhYXxZ/S+/f8FOAB
4Hx6/1G97Pa13xiWpIZ5OkiSGmYISFLDDAFJapghIEkNMwQkqWGGgCQ1zBCQpIYZApLUsP8DOVUU
ErLci8QAAAAASUVORK5CYII=
"
>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [70]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="n">s_5</span> <span class="o">=</span> <span class="nb">abs</span><span class="p">(</span><span class="n">s_ave</span> <span class="o">-</span> <span class="n">np</span><span class="o">.</span><span class="n">array</span><span class="p">([</span><span class="mi">50</span><span class="p">]))</span><span class="o"><</span><span class="mi">5</span>
<span class="n">cnt</span> <span class="o">=</span> <span class="n">Counter</span><span class="p">(</span><span class="n">s_5</span><span class="p">)</span>
<span class="k">for</span> <span class="n">word</span><span class="p">,</span> <span class="n">cnt</span> <span class="ow">in</span> <span class="n">cnt</span><span class="o">.</span><span class="n">most_common</span><span class="p">():</span>
<span class="nb">print</span><span class="p">(</span><span class="n">word</span><span class="p">,</span> <span class="n">cnt</span><span class="p">)</span>
<span class="nb">print</span><span class="p">(</span><span class="n">np</span><span class="o">.</span><span class="n">mean</span><span class="p">(</span><span class="n">s_ave</span><span class="p">))</span>
<span class="nb">print</span><span class="p">(</span><span class="n">np</span><span class="o">.</span><span class="n">var</span><span class="p">(</span><span class="n">s_ave</span><span class="p">))</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_subarea output_stream output_stdout output_text">
<pre>True 8858
False 1142
50.0017853539
10.1963531462
</pre>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [72]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="c1"># 標本分散と普遍分散の標本分布</span>
<span class="n">c</span> <span class="o">=</span> <span class="mi">10000</span>
<span class="n">s_var</span> <span class="o">=</span> <span class="n">np</span><span class="o">.</span><span class="n">empty</span><span class="p">(</span><span class="n">c</span><span class="p">)</span>
<span class="n">s_uvar</span> <span class="o">=</span> <span class="n">np</span><span class="o">.</span><span class="n">empty</span><span class="p">(</span><span class="n">c</span><span class="p">)</span>
<span class="k">for</span> <span class="n">i</span> <span class="ow">in</span> <span class="nb">range</span><span class="p">(</span><span class="n">c</span><span class="p">):</span>
<span class="n">s</span> <span class="o">=</span> <span class="n">normal</span><span class="p">(</span><span class="mi">50</span><span class="p">,</span> <span class="mi">10</span><span class="p">,</span> <span class="mi">10</span><span class="p">)</span>
<span class="n">s_var</span><span class="p">[</span><span class="n">i</span><span class="p">]</span> <span class="o">=</span> <span class="n">np</span><span class="o">.</span><span class="n">var</span><span class="p">(</span><span class="n">s</span><span class="p">)</span>
<span class="n">s_uvar</span><span class="p">[</span><span class="n">i</span><span class="p">]</span> <span class="o">=</span> <span class="n">np</span><span class="o">.</span><span class="n">var</span><span class="p">(</span><span class="n">s</span><span class="p">,</span> <span class="n">ddof</span><span class="o">=</span><span class="mi">1</span><span class="p">)</span>
<span class="nb">print</span><span class="p">(</span><span class="n">np</span><span class="o">.</span><span class="n">mean</span><span class="p">(</span><span class="n">s_var</span><span class="p">),</span> <span class="n">np</span><span class="o">.</span><span class="n">mean</span><span class="p">(</span><span class="n">s_uvar</span><span class="p">))</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_subarea output_stream output_stdout output_text">
<pre>89.9455442826 99.9394936473
</pre>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [74]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="nb">print</span><span class="p">(</span><span class="n">np</span><span class="o">.</span><span class="n">std</span><span class="p">(</span><span class="n">s_var</span><span class="p">),</span> <span class="n">np</span><span class="o">.</span><span class="n">std</span><span class="p">(</span><span class="n">s_uvar</span><span class="p">))</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_subarea output_stream output_stdout output_text">
<pre>42.3424359641 47.0471510713
</pre>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [85]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="n">plt</span><span class="o">.</span><span class="n">hist</span><span class="p">(</span><span class="n">s_var</span><span class="p">,</span><span class="nb">range</span><span class="o">=</span><span class="p">(</span><span class="mi">0</span><span class="p">,</span><span class="mi">500</span><span class="p">),</span><span class="n">bins</span><span class="o">=</span><span class="mi">50</span><span class="p">)</span>
<span class="n">plt</span><span class="o">.</span><span class="n">show</span><span class="p">()</span>
<span class="n">plt</span><span class="o">.</span><span class="n">hist</span><span class="p">(</span><span class="n">s_uvar</span><span class="p">,</span><span class="nb">range</span><span class="o">=</span><span class="p">(</span><span class="mi">0</span><span class="p">,</span><span class="mi">500</span><span class="p">),</span><span class="n">bins</span><span class="o">=</span><span class="mi">50</span><span class="p">)</span>
<span class="n">plt</span><span class="o">.</span><span class="n">show</span><span class="p">()</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_png output_subarea ">
<img src="data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAYAAAAD8CAYAAAB+UHOxAAAABHNCSVQICAgIfAhkiAAAAAlwSFlz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"
>
</div>
</div>
<div class="output_area">
<div class="prompt"></div>
<div class="output_png output_subarea ">
<img src="data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAYAAAAD8CAYAAAB+UHOxAAAABHNCSVQICAgIfAhkiAAAAAlwSFlz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"
>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [93]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="n">s_var100</span> <span class="o">=</span> <span class="n">s_var</span><span class="o">></span><span class="mi">200</span>
<span class="n">cnt</span> <span class="o">=</span> <span class="n">Counter</span><span class="p">(</span><span class="n">s_var100</span><span class="p">)</span>
<span class="k">for</span> <span class="n">w</span><span class="p">,</span> <span class="n">c</span> <span class="ow">in</span> <span class="n">cnt</span><span class="o">.</span><span class="n">most_common</span><span class="p">():</span>
<span class="nb">print</span><span class="p">(</span><span class="n">w</span><span class="p">,</span><span class="n">c</span><span class="p">)</span>
<span class="n">s_uvar100</span> <span class="o">=</span> <span class="n">s_uvar</span><span class="o">></span><span class="mi">200</span>
<span class="n">cnt2</span> <span class="o">=</span> <span class="n">Counter</span><span class="p">(</span><span class="n">s_uvar100</span><span class="p">)</span>
<span class="k">for</span> <span class="n">w</span><span class="p">,</span> <span class="n">c</span> <span class="ow">in</span> <span class="n">cnt2</span><span class="o">.</span><span class="n">most_common</span><span class="p">():</span>
<span class="nb">print</span><span class="p">(</span><span class="n">w</span><span class="p">,</span><span class="n">c</span><span class="p">)</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_subarea output_stream output_stdout output_text">
<pre>False 9799
True 201
False 9639
True 361
</pre>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [96]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="nb">print</span><span class="p">(</span><span class="n">np</span><span class="o">.</span><span class="n">mean</span><span class="p">(</span><span class="n">np</span><span class="o">.</span><span class="n">sqrt</span><span class="p">(</span><span class="n">s_uvar</span><span class="p">)))</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_subarea output_stream output_stdout output_text">
<pre>9.72558172541
</pre>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [108]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="c1"># 中央値の標本分布</span>
<span class="n">s_ave</span> <span class="o">=</span> <span class="n">np</span><span class="o">.</span><span class="n">empty</span><span class="p">(</span><span class="n">c</span><span class="p">)</span>
<span class="n">s_med</span> <span class="o">=</span> <span class="n">np</span><span class="o">.</span><span class="n">empty</span><span class="p">(</span><span class="n">c</span><span class="p">)</span>
<span class="k">for</span> <span class="n">i</span> <span class="ow">in</span> <span class="nb">range</span><span class="p">(</span><span class="n">c</span><span class="p">):</span>
<span class="n">s</span> <span class="o">=</span> <span class="n">normal</span><span class="p">(</span><span class="mi">50</span><span class="p">,</span> <span class="mi">10</span><span class="p">,</span> <span class="mi">10</span><span class="p">)</span>
<span class="n">s_ave</span><span class="p">[</span><span class="n">i</span><span class="p">]</span> <span class="o">=</span> <span class="n">np</span><span class="o">.</span><span class="n">mean</span><span class="p">(</span><span class="n">s</span><span class="p">)</span>
<span class="n">s_med</span><span class="p">[</span><span class="n">i</span><span class="p">]</span> <span class="o">=</span> <span class="n">np</span><span class="o">.</span><span class="n">median</span><span class="p">(</span><span class="n">s</span><span class="p">)</span>
<span class="nb">print</span><span class="p">(</span><span class="n">np</span><span class="o">.</span><span class="n">mean</span><span class="p">(</span><span class="n">s_ave</span><span class="p">),</span> <span class="n">np</span><span class="o">.</span><span class="n">mean</span><span class="p">(</span><span class="n">s_med</span><span class="p">))</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_subarea output_stream output_stdout output_text">
<pre>49.7934955374 49.8567878207
</pre>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [111]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="nb">print</span><span class="p">(</span><span class="n">np</span><span class="o">.</span><span class="n">std</span><span class="p">(</span><span class="n">s_ave</span><span class="p">),</span> <span class="n">np</span><span class="o">.</span><span class="n">std</span><span class="p">(</span><span class="n">s_med</span><span class="p">))</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_subarea output_stream output_stdout output_text">
<pre>3.12068896852 3.7639414451
</pre>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [113]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="n">plt</span><span class="o">.</span><span class="n">hist</span><span class="p">(</span><span class="n">s_ave</span><span class="p">,</span> <span class="n">bins</span><span class="o">=</span><span class="mi">16</span><span class="p">)</span>
<span class="n">plt</span><span class="o">.</span><span class="n">show</span><span class="p">()</span>
<span class="n">plt</span><span class="o">.</span><span class="n">hist</span><span class="p">(</span><span class="n">s_med</span><span class="p">,</span> <span class="n">bins</span><span class="o">=</span><span class="mi">16</span><span class="p">)</span>
<span class="n">plt</span><span class="o">.</span><span class="n">show</span><span class="p">()</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_png output_subarea ">
<img src="data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAXQAAAD8CAYAAABn919SAAAABHNCSVQICAgIfAhkiAAAAAlwSFlz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"
>
</div>
</div>
<div class="output_area">
<div class="prompt"></div>
<div class="output_png output_subarea ">
<img src="data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAXQAAAD8CAYAAABn919SAAAABHNCSVQICAgIfAhkiAAAAAlwSFlz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"
>
</div>
</div>
</div>
</div>
</div>
死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0tag:blogger.com,1999:blog-3811990424646688404.post-23078755321480637272017-12-15T23:23:00.001+09:002017-12-17T08:21:51.011+09:00「R によるやさしい統計学」を Python で実習する 第 3 章<p>
引き続き第 3 章。jupyter notebookをhtmlにする方法が分かったので、それをコピペした。</p>
<p>
<a href="https://qiita.com/Minerva/items/2447130411fb2faee951">BloggerにJupyter Notebookを貼り付ける方法</a></p>
<div class="cell border-box-sizing text_cell rendered"><div class="prompt input_prompt">
</div>
<div class="inner_cell">
<div class="text_cell_render border-box-sizing rendered_html">
<h3 id="第3章-2つの変数の記述統計">第3章 2つの変数の記述統計<a class="anchor-link" href="#第3章-2つの変数の記述統計">¶</a></h3><p>相関(量的変数同士の関係)や連関(質的変数同士の関係)について</p>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [20]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="kn">import</span> <span class="nn">statistics</span> <span class="k">as</span> <span class="nn">stat</span>
<span class="kn">import</span> <span class="nn">numpy</span> <span class="k">as</span> <span class="nn">np</span>
<span class="kn">import</span> <span class="nn">matplotlib.pyplot</span> <span class="k">as</span> <span class="nn">plt</span>
<span class="n">stat_test1</span> <span class="o">=</span> <span class="n">np</span><span class="o">.</span><span class="n">array</span><span class="p">([</span><span class="mi">6</span><span class="p">,</span><span class="mi">10</span><span class="p">,</span><span class="mi">6</span><span class="p">,</span><span class="mi">10</span><span class="p">,</span><span class="mi">5</span><span class="p">,</span><span class="mi">3</span><span class="p">,</span><span class="mi">5</span><span class="p">,</span><span class="mi">9</span><span class="p">,</span><span class="mi">3</span><span class="p">,</span><span class="mi">3</span><span class="p">,</span><span class="mi">11</span><span class="p">,</span><span class="mi">6</span><span class="p">,</span><span class="mi">1</span><span class="p">,</span><span class="mi">9</span><span class="p">,</span><span class="mi">7</span><span class="p">,</span><span class="mi">5</span><span class="p">,</span><span class="mi">8</span><span class="p">,</span><span class="mi">7</span><span class="p">,</span><span class="mi">7</span><span class="p">,</span><span class="mi">9</span><span class="p">])</span>
<span class="n">stat_test2</span> <span class="o">=</span> <span class="n">np</span><span class="o">.</span><span class="n">array</span><span class="p">([</span><span class="mi">10</span><span class="p">,</span><span class="mi">13</span><span class="p">,</span><span class="mi">8</span><span class="p">,</span><span class="mi">15</span><span class="p">,</span><span class="mi">8</span><span class="p">,</span><span class="mi">6</span><span class="p">,</span><span class="mi">9</span><span class="p">,</span><span class="mi">10</span><span class="p">,</span><span class="mi">7</span><span class="p">,</span><span class="mi">3</span><span class="p">,</span><span class="mi">18</span><span class="p">,</span><span class="mi">14</span><span class="p">,</span><span class="mi">18</span><span class="p">,</span><span class="mi">11</span><span class="p">,</span><span class="mi">12</span><span class="p">,</span><span class="mi">5</span><span class="p">,</span><span class="mi">7</span><span class="p">,</span><span class="mi">12</span><span class="p">,</span><span class="mi">7</span><span class="p">,</span><span class="mi">7</span><span class="p">])</span>
<span class="n">psych_test</span> <span class="o">=</span> <span class="n">np</span><span class="o">.</span><span class="n">array</span><span class="p">([</span><span class="mi">13</span><span class="p">,</span> <span class="mi">14</span><span class="p">,</span> <span class="mi">7</span><span class="p">,</span> <span class="mi">12</span><span class="p">,</span> <span class="mi">10</span><span class="p">,</span> <span class="mi">6</span><span class="p">,</span> <span class="mi">8</span><span class="p">,</span> <span class="mi">15</span><span class="p">,</span> <span class="mi">4</span><span class="p">,</span> <span class="mi">14</span><span class="p">,</span> <span class="mi">9</span><span class="p">,</span> <span class="mi">6</span><span class="p">,</span> <span class="mi">10</span><span class="p">,</span> <span class="mi">12</span><span class="p">,</span> <span class="mi">5</span><span class="p">,</span> <span class="mi">12</span><span class="p">,</span> <span class="mi">8</span><span class="p">,</span> <span class="mi">8</span><span class="p">,</span> <span class="mi">12</span><span class="p">,</span> <span class="mi">15</span><span class="p">])</span>
<span class="c1"># https://pythondatascience.plavox.info/matplotlib/%E6%95%A3%E5%B8%83%E5%9B%B3</span>
<span class="n">plt</span><span class="o">.</span><span class="n">scatter</span><span class="p">(</span><span class="n">stat_test1</span><span class="p">,</span> <span class="n">stat_test2</span><span class="p">)</span>
<span class="c1"># 他の図とスケールを合わせる為にx,y軸の最小最大値を指定しておく</span>
<span class="n">plt</span><span class="o">.</span><span class="n">ylim</span><span class="p">(</span><span class="mi">0</span><span class="p">,</span> <span class="mi">20</span><span class="p">)</span>
<span class="n">plt</span><span class="o">.</span><span class="n">xlim</span><span class="p">(</span><span class="mi">0</span><span class="p">,</span> <span class="mi">20</span><span class="p">)</span>
<span class="n">plt</span><span class="o">.</span><span class="n">show</span><span class="p">()</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_png output_subarea ">
<img src="data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAYUAAAD8CAYAAACYebj1AAAABHNCSVQICAgIfAhkiAAAAAlwSFlz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"
>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [16]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="n">plt</span><span class="o">.</span><span class="n">scatter</span><span class="p">(</span><span class="n">psych_test</span><span class="p">,</span> <span class="n">stat_test1</span><span class="p">)</span>
<span class="n">plt</span><span class="o">.</span><span class="n">ylim</span><span class="p">(</span><span class="mi">0</span><span class="p">,</span> <span class="mi">20</span><span class="p">)</span>
<span class="n">plt</span><span class="o">.</span><span class="n">xlim</span><span class="p">(</span><span class="mi">0</span><span class="p">,</span> <span class="mi">20</span><span class="p">)</span>
<span class="n">plt</span><span class="o">.</span><span class="n">show</span><span class="p">()</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_png output_subarea ">
<img src="data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAYUAAAD8CAYAAACYebj1AAAABHNCSVQICAgIfAhkiAAAAAlwSFlz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"
>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [17]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="n">plt</span><span class="o">.</span><span class="n">scatter</span><span class="p">(</span><span class="n">psych_test</span><span class="p">,</span> <span class="n">stat_test2</span><span class="p">)</span>
<span class="n">plt</span><span class="o">.</span><span class="n">ylim</span><span class="p">(</span><span class="mi">0</span><span class="p">,</span> <span class="mi">20</span><span class="p">)</span>
<span class="n">plt</span><span class="o">.</span><span class="n">xlim</span><span class="p">(</span><span class="mi">0</span><span class="p">,</span> <span class="mi">20</span><span class="p">)</span>
<span class="n">plt</span><span class="o">.</span><span class="n">show</span><span class="p">()</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_png output_subarea ">
<img src="data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAYUAAAD8CAYAAACYebj1AAAABHNCSVQICAgIfAhkiAAAAAlwSFlz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"
>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [72]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="c1"># 共分散</span>
<span class="c1"># https://docs.python.jp/3/library/statistics.html</span>
<span class="n">cov12</span> <span class="o">=</span> <span class="n">np</span><span class="o">.</span><span class="n">mean</span><span class="p">((</span><span class="n">stat_test1</span> <span class="o">-</span> <span class="n">np</span><span class="o">.</span><span class="n">mean</span><span class="p">(</span><span class="n">stat_test1</span><span class="p">))</span> <span class="o">*</span> <span class="p">(</span><span class="n">stat_test2</span> <span class="o">-</span> <span class="n">np</span><span class="o">.</span><span class="n">mean</span><span class="p">(</span><span class="n">stat_test2</span><span class="p">)))</span>
<span class="nb">print</span><span class="p">(</span><span class="n">cov12</span><span class="p">)</span>
<span class="c1"># 不偏共分散</span>
<span class="n">uncov12</span> <span class="o">=</span> <span class="n">np</span><span class="o">.</span><span class="n">sum</span><span class="p">((</span><span class="n">stat_test1</span> <span class="o">-</span> <span class="n">np</span><span class="o">.</span><span class="n">mean</span><span class="p">(</span><span class="n">stat_test1</span><span class="p">))</span> <span class="o">*</span> <span class="p">(</span><span class="n">stat_test2</span> <span class="o">-</span> <span class="n">np</span><span class="o">.</span><span class="n">mean</span><span class="p">(</span><span class="n">stat_test2</span><span class="p">)))</span> <span class="o">/</span> <span class="p">(</span><span class="mi">20</span> <span class="o">-</span> <span class="mi">1</span><span class="p">)</span>
<span class="nb">print</span><span class="p">(</span><span class="n">uncov12</span><span class="p">)</span>
<span class="c1"># なんか書籍と計算結果が違う</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_subarea output_stream output_stdout output_text">
<pre>3.55
3.73684210526
</pre>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [77]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="c1"># 相関係数</span>
<span class="c1"># https://qiita.com/takaki@github/items/247ada674b594dd8fdce</span>
<span class="n">cor12</span> <span class="o">=</span> <span class="n">cov12</span> <span class="o">/</span> <span class="p">(</span><span class="n">np</span><span class="o">.</span><span class="n">std</span><span class="p">(</span><span class="n">stat_test1</span><span class="p">)</span> <span class="o">*</span> <span class="n">np</span><span class="o">.</span><span class="n">std</span><span class="p">(</span><span class="n">stat_test2</span><span class="p">))</span>
<span class="nb">print</span><span class="p">(</span><span class="n">cor12</span><span class="p">)</span>
<span class="n">cor12np</span> <span class="o">=</span> <span class="n">np</span><span class="o">.</span><span class="n">corrcoef</span><span class="p">(</span><span class="n">stat_test1</span><span class="p">,</span> <span class="n">stat_test2</span><span class="p">)</span>
<span class="nb">print</span><span class="p">(</span><span class="n">cor12np</span><span class="p">[</span><span class="mi">1</span><span class="p">,</span><span class="mi">0</span><span class="p">])</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_subarea output_stream output_stdout output_text">
<pre>0.333212171275
0.333212171275
</pre>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [90]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="c1"># クロス集計</span>
<span class="c1"># http://docs.pyq.jp/python/pydata/pandas/pivot_table.html</span>
<span class="kn">import</span> <span class="nn">pandas</span> <span class="k">as</span> <span class="nn">pd</span>
<span class="n">df</span> <span class="o">=</span> <span class="n">pd</span><span class="o">.</span><span class="n">DataFrame</span><span class="p">({</span><span class="s1">'math'</span> <span class="p">:</span> <span class="n">np</span><span class="o">.</span><span class="n">array</span><span class="p">([</span><span class="s2">"h"</span><span class="p">,</span> <span class="s2">"h"</span><span class="p">,</span><span class="s2">"l"</span><span class="p">,</span><span class="s2">"l"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">,</span><span class="s2">"l"</span><span class="p">,</span><span class="s2">"l"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">,</span><span class="s2">"l"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">,</span><span class="s2">"l"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">]),</span>
<span class="s1">'stat'</span> <span class="p">:</span> <span class="n">np</span><span class="o">.</span><span class="n">array</span><span class="p">([</span><span class="s2">"l"</span><span class="p">,</span><span class="s2">"l"</span><span class="p">,</span><span class="s2">"l"</span><span class="p">,</span><span class="s2">"l"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">,</span><span class="s2">"l"</span><span class="p">,</span><span class="s2">"l"</span><span class="p">,</span><span class="s2">"l"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">,</span><span class="s2">"l"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">,</span><span class="s2">"h"</span><span class="p">])})</span>
<span class="n">df</span><span class="o">.</span><span class="n">pivot_table</span><span class="p">(</span><span class="n">index</span><span class="o">=</span><span class="s1">'math'</span><span class="p">,</span> <span class="n">columns</span><span class="o">=</span><span class="s1">'stat'</span><span class="p">,</span> <span class="n">aggfunc</span><span class="o">=</span><span class="p">[</span><span class="nb">len</span><span class="p">])</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt output_prompt">Out[90]:</div>
<div class="output_html rendered_html output_subarea output_execute_result">
<div>
<style scoped>
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead tr th {
text-align: left;
}
.dataframe thead tr:last-of-type th {
text-align: right;
}
</style>
<table border="1" class="dataframe">
<thead>
<tr>
<th></th>
<th colspan="2" halign="left">len</th>
</tr>
<tr>
<th>stat</th>
<th>h</th>
<th>l</th>
</tr>
<tr>
<th>math</th>
<th></th>
<th></th>
</tr>
</thead>
<tbody>
<tr>
<th>h</th>
<td>10</td>
<td>4</td>
</tr>
<tr>
<th>l</th>
<td>2</td>
<td>4</td>
</tr>
</tbody>
</table>
</div>
</div>
</div>
</div>
</div>
</div>
<div class="cell border-box-sizing code_cell rendered">
<div class="input">
<div class="prompt input_prompt">In [97]:</div>
<div class="inner_cell">
<div class="input_area">
<div class=" highlight hl-ipython3"><pre><span></span><span class="c1"># ファイ係数</span>
<span class="c1"># 内包表記で変換</span>
<span class="c1"># http://www.lifewithpython.com/2014/09/python-list-comprehension-and-generator-expression-and-dict-comprehension.html</span>
<span class="n">mathd</span> <span class="o">=</span> <span class="p">[</span><span class="mi">0</span> <span class="k">if</span> <span class="n">x</span> <span class="o">==</span> <span class="s1">'h'</span> <span class="k">else</span> <span class="mi">1</span> <span class="k">for</span> <span class="n">x</span> <span class="ow">in</span> <span class="n">df</span><span class="p">[</span><span class="s1">'math'</span><span class="p">]]</span>
<span class="n">statd</span> <span class="o">=</span> <span class="p">[</span><span class="mi">0</span> <span class="k">if</span> <span class="n">x</span> <span class="o">==</span> <span class="s1">'h'</span> <span class="k">else</span> <span class="mi">1</span> <span class="k">for</span> <span class="n">x</span> <span class="ow">in</span> <span class="n">df</span><span class="p">[</span><span class="s1">'stat'</span><span class="p">]]</span>
<span class="nb">print</span><span class="p">(</span><span class="n">mathd</span><span class="p">,</span><span class="n">statd</span><span class="p">)</span>
<span class="nb">print</span><span class="p">(</span><span class="n">np</span><span class="o">.</span><span class="n">corrcoef</span><span class="p">(</span><span class="n">mathd</span><span class="p">,</span><span class="n">statd</span><span class="p">)[</span><span class="mi">1</span><span class="p">,</span><span class="mi">0</span><span class="p">])</span>
</pre></div>
</div>
</div>
</div>
<div class="output_wrapper">
<div class="output">
<div class="output_area">
<div class="prompt"></div>
<div class="output_subarea output_stream output_stdout output_text">
<pre>[0, 0, 1, 1, 0, 0, 0, 0, 0, 1, 1, 0, 1, 0, 0, 1, 0, 0, 0, 0] [1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 1, 0, 0, 0, 0, 0]
0.35634832255
</pre>
</div>
</div>
</div>
</div>
</div>
<p>
<iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4274067106&linkId=7c0ce05a40adb809678325c24143a36c"></iframe></p>
死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0tag:blogger.com,1999:blog-3811990424646688404.post-25324564869948107022017-12-13T22:28:00.001+09:002017-12-14T07:14:00.478+09:00「R によるやさしい統計学」を Python で実習する 第 2 章<p>
統計学の勉強の続き。
<p>
良書と評判の「R によるやさしい統計学」を写経しながら進めていくのだけれど、R という言語自体に僕は然程興味が無い。この本の中で出てくる R のコードを Python に換えて実習していく。</p>
<p>
第 1 章は R の環境設定の話なので飛ばす。</p>
<p>
第 2 章は「1 つの変数の記述統計」という章題。要するに平均値とか中央値の話。</p>
<p>
最初に A,B,C,D の要素を持つリストがあって、そのリスト内のそれぞれの要素の出現頻度 (度数分布) を求めている。R では table () という関数で簡単に出来るらしい。Python にはこれがないので、collections モジュールを使う。</p>
<pre>
instruction = ["C", "B", "B", "A", "B", "C", "A", "D", "D", "D", "A", "A", \
"A", "C", "B", "D", "C", "C", "B", "D"]
from collections import Counter
counter = Counter(instruction)
for word, cnt in counter.most_common ():
print(word, cnt)
</pre>
<p>
出力はこんな感じ。</p>
<pre>
C 5
B 5
A 5
D 5
</pre>
<p>
ヒストグラムを描く。</p>
<pre>
psych_test = [13, 14, 7, 12, 10, 6, 8, 15, 4, 14, 9, 6, 10, 12, 5, 12, 8, \
8, 12, 15]
import matplotlib.pyplt as plt
plt.hist(psych_test,bins=6)</pre>
<p>
<div class="separator" style="clear: both; text-align: center;"><a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgXXq6ABc-Db73jbYtZ4Q1UR4ozHeaJJY79aTYXb9xfQWfMrCwdBNRcBUsmPYryOFQKYn67BmZ9R28_7uUo5QzPfq3Ue1VceoTP-RRJLf_DHxSbdA4EuKfh9p0iXjyGXu71uQNubFzYZ50/s1600/ch02-01-hist.png" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgXXq6ABc-Db73jbYtZ4Q1UR4ozHeaJJY79aTYXb9xfQWfMrCwdBNRcBUsmPYryOFQKYn67BmZ9R28_7uUo5QzPfq3Ue1VceoTP-RRJLf_DHxSbdA4EuKfh9p0iXjyGXu71uQNubFzYZ50/s1600/ch02-01-hist.png" data-original-width="432" data-original-height="288" /></a></div></p>
<p>
平均、中央値、最頻値を求める。数理統計関数モジュール statistics を使う。</p>
<pre>
import statistics as stat
stat.mean(psych_test) # 平均
stat.median(psych_test) # 中央値
stat.mode(psych_test) # 最頻値</pre>
<p>
母分散、母標準偏差、標本分散、標本標準偏差。同じく statistics モジュール。</p>
<pre>
stat.pvariance(psych_test) # 母分散
stat.pstdev(psych_test) # 母標準偏差
stat.variance(psych_test) # 標本分散
stat.stdev(psych_test) # 標本標準偏差</pre>
<p>
参考</p>
<ul>
<li><a href="https://docs.python.jp/3/library/statistics.html">Python.jp: Python 3.6 ドキュメント 数理統計関数モジュール</a>
<li><a href="https://pythondatascience.plavox.info/matplotlib/%E3%83%92%E3%82%B9%E3%83%88%E3%82%B0%E3%83%A9%E3%83%A0">Python でデータサイエンス
: matplotlib でヒストグラムを描く</a>
</ul>
<p>
<iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4274067106&linkId=7c0ce05a40adb809678325c24143a36c"></iframe></p>
死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0tag:blogger.com,1999:blog-3811990424646688404.post-38847063705571431932017-12-07T23:05:00.003+09:002017-12-14T07:02:45.662+09:00【今日の読書】心理統計学の基礎 統合的理解のために書名: 心理統計学の基礎 統合的理解のために<br />
著者: 南風原 朝和<br />
出版: 有斐閣アルマ<br />
ISBN: 978-4-641-12160-7<br />
<br />
題名は心理統計学とあるが、例題が心理学に関連しているだけで内容自体は初級から中級程度の統計学。<br />
<br />
ただ数学の苦手と思われる (例えば心理学専攻の) 文系学生を対象読者に据えているので、説明が丁寧だけれどもいたずらに詳細だったり、証明や式の導出ばかりになっていない。<br />
<br />
手っ取り早く統計の実際的な部分を勉強がしたいけれども、特に重要な概念だけは丁寧に説明してほしいという我侭な社会人にも良い塩梅の本。<br />
<br />
7 章の線形モデルの説明あたりから、ベクトルが登場するので先に行列 (線形代数) の基礎を抑えておくと良い (「キーポイント線形代数」がお勧め)。7 章にある自由度に関する説明は非常に分かりやすかった。<br />
<br />
10 章の因子分析は、もろに機械学習やディープラーニングと関連していそうなので腰を据えて再読したい。
<br />
<br />
<iframe frameborder="0" marginheight="0" marginwidth="0" scrolling="no" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4641121605&linkId=3863159875f0c824ddafff423c99d0af" style="height: 240px; width: 120px;"></iframe>死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0tag:blogger.com,1999:blog-3811990424646688404.post-25477741393157836222017-12-01T22:35:00.003+09:002017-12-14T07:03:00.386+09:00心理統計学の基礎 第六章 備忘録第六章は平均値差と連関について。<br />
<br />
といってもそもそも「連関」とか初耳用語。<br />
<br />
この章は実際に検定の計算の流れを示しているので、概念的な説明は比較的少ない (のでメモが少ない)。<br />
<br />
## Sec1<br />
<br />
2 群 (つまり何らかの仕方で分かたれた 2 つのグループ) の比較を考える。1 つめの群を第 1 群、第 2 群と呼ぶ。例を出すとすると、ある中学校の試験の成績を評価する時に、男子だけで構成された群、女子だけで構成された群というのを比較する。<br />
<br />
母集団に於ける従属変数を $y$ と表すとして、それぞれの群の母集団平均を $μ_{1}$、$μ_{2}$ として共通の分散 (それぞれの群の分散は等しいと仮定) を $σ^{2}$ とする。<br />
<br />
独立な群 (independent groups)<br />
各群の標本抽出が独立に行なわれている群。<br />
<br />
対応のある群<br />
独立な群と逆で、各群が一定の方法で抽出されている群。例えば、成績 1 位を 1 群、2 位を 2 群、3 位を 1 群、4 位を 2 群……というように弁別した場合は対応のある群となる。<br />
<br />
平均値差の標本分布<br />
母集団に於ける従属変数 $y$ の平均値差 $μ_{1}-μ_{2}$ に関する検定や推定には、母集団の値自体は不明なので、当然 $y$ の標本である標本平均 $\overline{y_{1}}$、$\overline{y_{2}}$ の差が使われる。母集団の分散が等しく、独立した 2 群の場合、標本平均差の標本分布は正規分布となる。<br />
<br />
## Sec5<br />
<br />
質的変数<br />
ある・なし、はい・いいえ、男女のような値を取る変数。<br />
<br />
連関 (association)<br />
質的変数同士の相関の事。<br />
<br />
カテゴリ変数<br />
質的変数のうち、賛成・やや賛成・やや反対・反対のような順序性のあるカテゴリを持つ変数の事。<br />
<br />
連関表 (contingency table)、クロス集計表 (cross tabulation)<br />
カテゴリ変数間の連関を示す表。<br />
<br />
$χ$ (カイ) 二乗統計量 (chi-square statistic)<br />
カテゴリ変数間の連関を表す指標。<br />
<br />
周辺度数<br />
変数 $x$、$y$ がそれぞれ $a$ 個と $b$ 個のカテゴリを持つとすると $a \times b$ の大きさの表にこれを纏められる。この表の各セルの度数を $n_{ij}$ とした時、各列、各行の合計の欄の度数の事を周辺度数と言う。<br />
<br />
例えば、それぞれの変数を<br />
<br />
x: マジックアイテムのレアリティ (コモン、アンコモン、レア、ヴェリィレア、レジェンダリィ)<br />
y: マジックアイテムの種別 (リング、スタッフ、ワンド、ロッド、ウェポン、アーマー、ワンダラスアイテム、スクロール、ポーション)<br />
<br />
とすれば、これの対応表を作る事が出来る。<br />
<br />
あるセルの度数 $n_{ij}$ の期待値を $e_{ij}$ と表記する。例で言えば、レアのワンドの総数 (度数) が $n_{ij}$、マジックアイテム全数に対するレアのワンドの割合が期待値 $e_{ij}$ になる。<br />
<br />
全体の度数 (マジックアイテム全数) を $N$ とした時、2 変数間に連関が全く無い場合の $(i,j)$ セルの度数の期待値は<br />
\[<br />
e_{ij} = n_{i} \times \frac{n_{j}}{N}\\<br />
= \frac{n_{i} \times n_{j}}{N}<br />
\]<br />
となる。これを連関が無い時の推定期待度数と呼ぶ。<br />
<br />
カイ二乗統計量は、この推定期待度数 $e_{ij}$ と実際のセルの度数 $n_{ij}$ との際を次式で評価したものを言う。<br />
\[<br />
χ^{2} = \sum_{i=1}^{a} \sum_{j=1}^{b} \frac{(n_{ij} - e_{ij})^2}{e_{ij}}<br />
\]<br />
<br />
クラメルの連関係数 (Cramer's measure of association)<br />
カイ二乗統計量を次式の様に加工したもの。<br />
\[<br />
V = \sqrt{\frac{χ^{2}}{(min (a,b) - 11) N}}<br />
\]<br />
この連関係数は<br />
\[<br />
0 \leq V \leq 1<br />
\]<br />
の範囲を取る事が分かっている。<br />
<br />
$χ$ 二乗検定<br />
母集団に於いて 2 つのカテゴリ変数間の連関が全く無いという帰無仮説を検定する方法。カイ二乗統計量が、その帰無仮説のもとでカイ二乗分布と呼ばれる確率分布に近似的に従う事を利用する。
<br>
<br>
<div>
<iframe frameborder="0" marginheight="0" marginwidth="0" scrolling="no" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4641121605&linkId=3863159875f0c824ddafff423c99d0af" style="height: 240px; width: 120px;"></iframe>
</div>死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0tag:blogger.com,1999:blog-3811990424646688404.post-73607790811702649772017-12-01T21:08:00.001+09:002017-12-14T07:03:13.465+09:00心理統計学の基礎 第五章 備忘録五章は推定と検定について。<br />
<br />
僕にとってはこのあたりからが難関。<br />
<br />
## Sec1<br />
<br />
推定 (estimation)<br />
点推定: 1 つの値によって母数を推定する<br />
区間推定: 母数がある区間に含まれると推定する<br />
検定 (statistical test)<br />
<br />
推定量 (estimator)<br />
母数点推定のために用いられる標本統計量<br />
<br />
推定値 (estimate)<br />
実際のデータから計算される推定量の値<br />
<br />
不偏推定量<br />
推定量の期待値が母数の値に一致する場合、その推定量は不偏推定量と呼ばれる。<br />
<br />
最尤推定法・最尤法 (maximum likelihood method)<br />
ある実際のデータが、母数がいくつの時に最も得られやすいかを調べ、実際に得られたデータの生起確率を最大とする母数の値を推定する方法<br />
<br />
尤度関数<br />
データの生起確率を母数の関数として表現したもの<br />
<br />
尤度<br />
特定の母数値に対する尤度関数の値<br />
<br />
最尤推定量は常に不偏性を持つわけではない。<br />
<br />
最尤法は、完全に母集団分布に異存した確率論的な方法。<br />
回帰直線の推定に用いる最小二乗法は、特定の母集団分布に異存せずに推定量を導く方法。<br />
<br />
標本誤差<br />
実際の推定値と母数の値の差<br />
<br />
標本誤差を評価する為には母数の値が必須だが、母数の値は不明な事が殆ど。なので、標本抽出にともなって推定量が母数の周辺をどの程度変動するかを考える。<br />
<br />
標準誤差<br />
推定量の標本分布の標準偏差の事。母集団比率 $π$の推定量としての標本比率 $p$ の標準誤差は以下の式<br />
\[<br />
σ_{p} = \sqrt{\frac{π (1-π)}{N}}<br />
\]<br />
になる。未知の値である $π$ をデータから得られる推定量 $p$ で置き換えれば、標準誤差の推定値<br />
\[<br />
\hat{σ_{p}} = \sqrt{\frac{p (1-p)}{N}}<br />
\]<br />
を得る。<br />
母集団平均 $μ$ の推定量である標本平均 $\overline{x}$ の標準誤差は<br />
\[<br />
σ_{x} = \frac{σ}{\sqrt{N}}<br />
\]<br />
であるので、母集団標準偏差 $σ$ をデータから得られる不偏分散の平方根 $s'$ で置き換えれば<br />
\[<br />
\hat{σ_{x}} = \frac{s'}{\sqrt{N}}<br />
\]<br />
となり、標準誤差の推定値になる。<br />
同様に母集団相関係数 $ρ$ の推定量 $r$ は、データから得られる相関係数 $r$ を利用して<br />
\[<br />
\hat{σ_{}} = \frac{1-r^{2}}{\sqrt{N}}<br />
\]<br />
となる。<br />
<br />
## Sec2<br />
<br />
無相関仮説<br />
母集団相関係数がゼロであるとという仮説<br />
<br />
帰無仮説 (null hypothesis)<br />
検定用の仮説で、棄却される事を望まれる仮説の事。帰無仮説は $H_{0}$ と表記され、それが無相関仮説の場合 $H_{0}:ρ=0$ の様に表現する。<br />
<br />
最も単純な検定として、無相関仮説を棄却可能な程度のデータが得られているかを確認する検定がある。<br />
<br />
検定統計量<br />
帰無仮説の検定に用いられる統計量。例えば母集団相関係数がゼロの時に標本相関係数の標本分布がどういう確率でどういう値を取るか、など。<br />
<br />
帰無分布<br />
帰無仮説のもとでの検定統計量の分布。<br />
<br />
棄却域<br />
帰無仮説と整合的でないとされる検定統計量の値の範囲。棄却域の端点を棄却の限界値と言う。<br />
<br />
統計的に有意 (statistically significicant)<br />
検定統計量の値が棄却域に入り、帰無仮説が棄却される時にその検定統計量は「有意である」と言う。<br />
<br />
仮説検定<br />
検定の対象が仮説になる検定の手法。<br />
標本相関係数が有意かどうかテストする場合は、標本相関係数の有意性検定 (significance test) と言ったりする。<br />
<br />
両側検定<br />
棄却域を分布の両側に設定する検定方式。分布の片側のみに設定する場合は片側検定と言う。<br />
<br />
有意水準 (significance level)<br />
帰無仮説のもとではまれにしか生じない事象。よく 5% という基準値が利用される。<br />
<br />
$p$ 値<br />
得られた結果が有意となる有意水準の事。限界水準や有意確率とも呼ばれる。<br />
<br />
$t$ 分布<br />
データのモデルに正規分布を用いた場合にさまざまな統計量の標本分布と関係を持つ分布<br />
<br />
標本関係係数 $r$ を<br />
\[<br />
t = \frac{r}{\sqrt{1-r^2}} \times \sqrt{N-2}<br />
\]<br />
によって変換した変数 $t$ が、その帰無仮説のもとで自由度 $N-2$ の $t$ 分布に従う事が知られている。上式から標本数 $N$ が大きくなると 相関係数 $r$ が小さくても統計的に有意になる事が分かる (t が大きくなる)。<br />
<br />
検定力 (power)<br />
母集団に於いてゼロで無い相関があるとき、サンプルに於いて有意な結果が得られる確率の事。検出力とも言われる。<br />
<br />
第一種の誤り (type I error)<br />
帰無仮説が正しい時に、それを棄却してしまう誤り。<br />
<br />
第二種の誤り (type II error)<br />
帰無仮説が正しく無い時に、そを採択してしまう誤り。<br />
<br />
検定力分析 (power analysis)<br />
検定力計算を用いて一定の検定力を確保する標本数を決める手続き。<br />
<br />
## Sec4<br />
<br />
信頼水準 (confidence level)、信頼係数<br />
区間推定に於いてあらかじめ定められた確率で母数を含む区間を考えた時の、「あらかじめ定められた確率」の事。<br />
<br />
信頼区間 (confidence interval)<br />
信頼水準で母数を含むと推定される区間。<br />
<div>
<iframe frameborder="0" marginheight="0" marginwidth="0" scrolling="no" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4641121605&linkId=3863159875f0c824ddafff423c99d0af" style="height: 240px; width: 120px;"></iframe>
</div>
死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0tag:blogger.com,1999:blog-3811990424646688404.post-12660019434880169382017-12-01T10:56:00.001+09:002017-12-01T11:06:05.469+09:00MacOS GnuPG2 になって Emacs からパスフレーズが入力出来なくなった対処<h3>各種バージョン</h3>
<pre>
$ sw_vers
ProductName: Mac OS X
ProductVersion: 10.13.1
BuildVersion: 17B1002
$ emacs --version
GNU Emacs 25.3.1
$ gpg --version
gpg (GnuPG) 2.2.3
libgcrypt 1.8.1
</pre>
<h3>pinentry インストール</h3>
<p>
pinentry という補助プログラムを使えば良いみたいなので以下のようにした。
まず pinentry が入っているか確認。</p>
<pre>
$ brew list pinentry
/usr/local/Cellar/pinentry/1.0.0/bin/pinentry
/usr/local/Cellar/pinentry/1.0.0/bin/pinentry-curses
/usr/local/Cellar/pinentry/1.0.0/share/info/pinentry.info
</pre>
<p>
インストーされていなかったら</p>
<pre>
$ brew install pinentry
</pre>
<p>
で入れる。</p>
<h3>GnuPG 設定</h3>
<p>
$HOME/.gnupg/gpg-agent.conf というファイルを作成する。内容は以下のようにしておく。既にファイルが存在する場合は、バックアップしてから修正。</p>
<pre>
$ cat ~/.gnupg/gpg-agent.conf
allow-emacs-pinentry
log-file /tmp/gpg-agent.log</pre>
<p>
gpg-agent を再起動する。</p>
<pre>
$ gpg-connect-agent killagent /bye
$ gpg-connect-agent /bye</pre>
<p>
(/bye ってオプションで起動するのが不思議)</p>
<h3>テスト</h3>
<p>
Emacs を起動して適当に gpg で暗号化されたファイルを開く。ミニバッファでパスフレーズの入力を求められて、入力してファイルが開けたら成功。</p>死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0tag:blogger.com,1999:blog-3811990424646688404.post-26317411739321327632017-11-28T22:39:00.002+09:002017-12-14T07:03:29.699+09:00心理統計学の基礎 第四章 備忘録四章は確率モデルと標本分布について。<br />
<br />
<br />
<iframe frameborder="0" marginheight="0" marginwidth="0" scrolling="no" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4641121605&linkId=3863159875f0c824ddafff423c99d0af" style="height: 240px; width: 120px;"></iframe>
<br /><br />
## Sec1<br />
<br />
母集団<br />
標本 (サンプル)<br />
<br />
標本抽出 (サンプリング)<br />
単純無作為抽出<br />
二段抽出 : 母集団から部分集団をランダムに選択して、部分集団から更にランダムで標本抽出。<br />
<br />
統計的推測の前提<br />
個々のデータ (標本) が互いに独立に同じ確率的振舞いをすること。<br />
この前提を満たす為には単純無作為抽出が必要。<br />
例えば中学生の試験点数の例で言うならば、部分集団として適当な中学校を選んだとしてその学校が進学校で平均的に学力が高い場合、その部分集団としての進学校から標本抽出するとデータに偏りが発生する。<br />
<br />
標本統計量<br />
標本から得られる平均値や相関係数などの記述的指標の事。<br />
母集団から得られる値は「母数」と言う。<br />
標本値と母数を区別する場合、標本平均、標本相関係数、母集団平均、母集団相関係数などと呼ぶ。<br />
<br />
確率モデル<br />
母集団を一種のデータ発生装置と見做して、標本抽出によって各データがどういう確率でどういう値を取るか、を模式化したもの。<br />
<br />
確率変数<br />
確率的に変動する変数。<br />
<br />
確率分布<br />
確率変数がどういう確率でどういう値を取るかの分布。<br />
<br />
標本分布<br />
標本統計量がどういう確率でどういう値を取るかを表わす分布。特定の標本におけるデータの度数分布ではない。度数分布というのは観測データから得られた具体的な値の集合で、標本分布 (確率分布) というのは理論的に導出された抽象的なもの。<br />
<br />
二値変数<br />
一般に yes/no で分類できるような値を 0/1 で表わす変数。<br />
<br />
二項分布<br />
成功確率 $p$ の試行を独立に $n$ 回繰り返した時の成功数 $k$ を与える分布。例えば d20 を 100 回 ($n=100$) 振って出目 20 ($p=0.05$) が 5 回出る ($k=5$) 確率などにあたる。以下の式で表わされる。<br />
\[<br />
f (w)={}_{n}C_{k}p^{k}(1-p)^{N-k}<br />
\]<br />
${}_{n}C_{k}$は以下の式で表わされる組み合わせ総数 ($n$ 種類のものから $k$ 個を選択する組み合せの数)。<br />
\[<br />
{}_{n}C_{k} = \frac{n!}{k! (n-k)!}<br />
\]<br />
従って前式は<br />
\[<br />
f (w) = \frac{n!}{k! (n-k)!}p^{k}(1-p)^{N-k}<br />
\]<br />
となる。$N=1$ の場合を特にベルヌーイ分布と言う。<br />
<br />
確率分布に於ける確率変数 $x$ の分布の平均 $μ$ は<br />
\[<br />
μ=\sum_{k=1}^{m}x_{k}f (x_{k})<br />
\]<br />
<br />
不偏性<br />
標本統計量の分布の平均が、母数の値に一する時その統計量は不偏性を持つ、と言う。不偏性を持った統計量は不偏推定量と呼ばれる。<br />
<br />
確率分布の標準偏差<br />
確率分布 $f (x)$ に従う確率変数 $x$ の標準偏差 $σ$ は度数分布の標準偏差と同じように以下の式で与えられる。<br />
\[<br />
σ=\sqrt{\sum_{k=1}^{m}(x_{k}-μ)^{2}f (x_{k})}<br />
\]<br />
上式の $f (x_{k})$ に二項分布の式を代入し式変形すると<br />
\[<br />
σ_{w}=\sqrt{Np (1-p)}<br />
\]<br />
が得られる。この式を N で割る事によって得られる<br />
\[<br />
σ_{p}=\frac{\sqrt{Np (1-p)}}{N}<br />
\]<br />
は比率の標本分布の標準偏差である。 <br />
<br />
標本統計量は、標準偏差が大きい程その統計量に基づく母数の推定の誤差が大きくなる可能性が高い。標本統計量の標準偏差は、標準誤差とも呼ばれる。標本数 N が大きくなる程、標準誤差は小さくなる。<br />
<br />
逆に標準誤差を特定の値以下に抑えるのに必要な標本数を計算によって求める事が出きる。標準誤差の式を用いて、例えば比率 $p$ の標準誤差を 5%以下にしたいのであれば<br />
\[<br />
σ_{p}=\frac{\sqrt{Np (1-p)}}{N}\leq0.05<br />
\]<br />
という不等式を立ててこれ解く。<br />
\[<br />
N\geq400p (1-p)<br />
\]<br />
右辺は $p=0.5$の時に最大になるので<br />
\[<br />
N=400\times0.5\times0.5=100<br />
\]<br />
となって標本数を 100 以上にすれば比率 $p$ の標準誤差を 5%以下に抑えられる。<br />
<br />
## Sec3<br />
<br />
正規分布<br />
確率密度関数<br />
確率変数が、二項分布の様な離散値では無く連続値を取る場合の確率分布は、その変数が特定の値を取る確率では無く、ある範囲の値を取る確率を問題する。そのような確率は分布の確率密度関数を用いて計算される。<br />
平均 $μ$、標準偏差 $σ$ の正規分布に従う変数 $x$ の確率密度関数は<br />
\[<br />
f (x)=\frac{1}{\sqrt{2p σ}}\exp [-\frac{(x-μ)^2}{2 σ^{2}}]<br />
\]<br />
と表わされる。この変数がある特定の範囲 (a<x<b) の値を取る確率 $Prob (a<x<b)$ は<br />
\[<br />
Prob (a<x<b)=\int_{a}^{b}f (x) dx<br />
\]<br />
によって与えられる。<br />
<br />
標準正規分布<br />
平均 0、標準偏差 1 の正規分布。<br />
<br />
中心極限定理<br />
標本数を大きくしていくと、母集団の分布の種類とは無関係に標本平均の分布が正規分布に近付いていくという定理。<br />
<br />
## Sec4<br />
<br />
二変数正規分布<br />
連続値を持つ 2 つの独立した確率変数を要素としてもつ正規分布。一変数正規分布は平面で表わされるが、二変数の場合立体図になる。<br />
二つの変数を $x$、$y$ とした時、それぞれの平均を $μ_{x}$、$μ_{y}$、標準偏差を $σ_{x}$、$σ_{y}$、$x$ と $y$ の相関係数を $ρ$ とした時の確率密度関数は<br />
\[<br />
f(x,y)=\frac{1}{2pσ_{x}σ_{y}\sqrt{1-ρ^{2}}} \times exp[-\frac{z_{x}^{2}-2ρz_{x}z_{y}+z_{y}^{2}}{2(1-ρ^{2})}]<br />
\]<br />
ただし $z_{x}$、$z_{y}$ は<br />
\[<br />
z_{x}=\frac{x-μ_{x}}{σ_{x}}\\<br />
z_{y}=\frac{y-μ_{y}}{σ_{y}}\\<br />
\]<br />
<br />
相関係数の標本分布<br />
データが二変数正規分布に従う時の相関係数 $r$ の標本分布は母集団相関係数 $ρ$ と標本数 $N$ のみによって規定される確率分布になる。<br />
<br />
## Sec5<br />
<br />
頑健性<br />
仮定した確率モデルの分布が、母集団分布と異なる時に、モデルに基づく推定が妥当である程度の事。一般に標本数が大きくなれば母集団分布の違いの影響は小さくなり頑健性が増す。<br />
<br />
ノンパラメトリック法<br />
特定の分布形を仮定しない方法</x></x>死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0tag:blogger.com,1999:blog-3811990424646688404.post-16271864478043139422017-11-28T19:39:00.001+09:002017-11-28T20:03:00.650+09:00【今日の読書】CIAの秘密戦争 変貌する巨大情報機関書名: CIAの秘密戦争 変貌する巨大情報機関
<br>著者: マーク・マゼッティ
<br>監訳: 小谷 賢
<br>訳者: 池田 美紀
<br>出版: 早川ノンフィクション文庫
<br>ISBN: 978-4-15-050504-2
<br>
<br><iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4150505047&linkId=a0f87a23ede75da258bd47335b4b3688"></iframe>死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0tag:blogger.com,1999:blog-3811990424646688404.post-4548779022898722552017-11-26T12:34:00.002+09:002017-11-26T13:19:48.132+09:00MacBookPro 13 インチ 2012 Mid の SSD 化<p>
僕のメインの計算機は 2012 年に購入した MacBookPro (以後 MBP) の 13 インチ、2012 Mid モデルです。</p>
<p>
既に 5 年使っているのですが、最近アプリケーションの起動速度が遅い事が気になってきました。また 1 年程前に、内蔵スロットイン DVD が、DVD を飲み込んで吐き出さなくなってしましました。</p>
<p>
調べてみるとハードディスクを SSD に換装すれば速度の問題はかなり改善しそうです。また内蔵の DVD ドライブも簡単に交換出来そうなのでやってみる事にしました。</p>
<h3>必要物品</h3>
<p>
まず準備。交換部品は以下の通りです。</p>
SSD: Crucial 2.5 インチ MX300 275GB
DVD: CrownTrade Macbook 対応用 パナソニック UJ-898 交換用 DVD ± R/RW ドライブ
<p>
<iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=B06XTGHQ3S&linkId=9eac6d4861314eb5f765cd2f33a74059"></iframe></p>
<p>
<iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=B00LP37UXG&linkId=13a74ff4cd5ce83d8d16c1b1d60f5ce7"></iframe></p>
<p>
この他に必要な物が 3 つ。MBP の底面のネジを外す為に必要な#0 の精密ドライバー、HDD に付いているネジを外す為に必要な T6 のトルクスドライバー、HDD から SSD にデータを移す為に必要な USB3.0-SATA 変換ケーブルです。</p>
<p>
精密ドライバー #0</p>
<p>
<iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=B002SQLELS&linkId=e04af29e63ac55eccd3d2c09cc612625"></iframe></p>
<p>
トルクスドライバー T6</p>
<p>
このベッセルのトルクスドライバーは柄ではなく芯の途中に指のかかりが良くなるようにギザギザが付いていて、弱い力でネジを回したい時など便利です。</p>
<p>
<iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=B002P81T1E&linkId=8f69266f675c008b3c48fa0852e68b40"></iframe></p>
<p>
USB3.0-SATA 変換ケーブル</p>
<p>
<iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=B01EAEPE6Q&linkId=b4ce41573dc2a3f04638faf4a544aba6"></iframe></p>
<h3>データ移行</h3>
<p>
USB3.0-SATA 変換ケーブルを使って SSD を外付けドライブとして接続して下さい。その状態で MBP をシャットダウンし、command+R を押しながら電源を入れます。 こうする事でディスクユーティリティが起動してきます。</p>
<p>
<img src="https://c1.staticflickr.com/5/4581/26870705599_e70f186538_d.jpg" width="500" height="331" alt="Disk Utility"></p>
<p>
左ペインから移行先の SSD を選択し、上部メニューの復元をクリックすると以下のような画面になります。</p>
<p>
<img src="https://c1.staticflickr.com/5/4550/26870705439_fd8d51bc95_d.jpg" width="500" height="331" alt="restore"></p>
<p>
復元もととして、現在使っている HDD を選択して下さい。そして復元をクリックすると、データの移行が始まります。僕は 150GB 程度の使用容量でしたが、USB3.0 接続で 45 分程度で終わりました。</p>
<p>
もし復元もとのパーティションが SSD の総容量より大きいとエラーが発生します。その時はディスクユーティリティを使って、復元もとのパーティションサイズと縮小して下さい (これはかなり時間がかかります。途中で MBP がスリープすると進まなくなるので要注意)。</p>
<h3>部品交換</h3>
<p>
では MBP を裏返してネジを外します。外す対象のネジは 10 本あります。ネジの種類は 3 種類。長いネジが 1 種類、短いネジが 2 種類です。短いネジは全ネジが 3 本、段付きネジが 4 本あります。長いネジは 3 本です。これらのネジは比較的硬い素材みたいなので、舐めにくくはなっていますがネジ頭を舐めてしまうと悲惨なので注意して下さい。ネジを回す時の力の入れ具合いは、押す力が 7 割、回す力が 3 割の感覚で。</p>
<p>
以下の写真の赤丸が段付きネジ、青丸が全ネジ、黄丸が長いネジです。</p>
<p>
<img src="https://c1.staticflickr.com/5/4526/24772320618_422d70c877_d.jpg" width="500" height="375" alt="MBP bottom screws"></p>
<p>
これで底面の蓋が取れます。外すと中身は以下のようになっています (以下の写真は既に SSD 交換後)。</p>
<p>
<img src="https://c1.staticflickr.com/5/4558/24771979178_43f9544b13_d.jpg" width="500" height="375" alt="MBP internal"></p>
<p>
右下が HDD/SSD スロットです。右上が DVD スリムドライブです。</p>
<p>
HDD/SSD スロット周辺を拡大してみます。</p>
<p>
<img src="https://c1.staticflickr.com/5/4582/38612471982_c0eb15181a_d.jpg" width="500" height="375" alt="MBP HDD/SDD slot"></p>
<p>
黄丸で囲んだ 4 本のネジを外すと HDD を持ち上げる事が出来ますが、まだ SATA ケーブルが刺さったままなので気を付けて下さい。この 4 本のネジは樹脂のアダプタから完全には抜けません。どれだけ緩めてもアダプタに嵌ったままです。HDD の画面左端に付いている灰色の縦長の部品が SATA ケーブルのコネクタです。これはひっぱれば外れます。</p>
<p>
画像を取り忘れましたが HDD 自体に 4 本のネジが付いています。これも外します。この時 T6 のトルクスドライバーが必要になります。</p>
<p>
HDD から外した 4 本のネジを SSD に同じように付け、SATA コネクタを装着し、という感じで逆順に SSD を付ければ完了です。</p>
<h3>NVRAM のリセット</h3>
<p>
MBP でハードウェアの交換を行なった後、NVRAM をリセットする必要があります。交換後の初回起動時に以下の手順で NVRAM をリセットして下さい。</p>
<p>
<a href="https://support.apple.com/ja-jp/HT204063">Mac の NVRAM をリセットする方法</a>
死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0tag:blogger.com,1999:blog-3811990424646688404.post-48721514481930596742017-11-25T23:24:00.000+09:002017-12-14T07:03:48.052+09:00心理統計学の基礎 第三章 備忘録第三章は相関関係と回帰分析。<br />
<br />
== Sec1<br />
<br />
相関関係<br />
$x,y$ の二値が変数の時、$x$ が大きいほど、$y$ も大きい傾向がある場合、正の相関があると言う。<br />
$x$ が大きいほど、$y$ が小さい傾向がある場合、負の相関があると言う。<br />
<br />
共分散<br />
$x,y$ の二値が変数の時、$x$ の平均値 $\overline{x}$ と $y$ の平均値 $\overline{y}$ を考える。$x,y$ のそれぞれの値$x_{i}$、$y_{i}$ についてこれらの平均との距離の積の平均値が共分散 $s_{xy}$ になる。つまり<br />
\[<br />
s_{xy} = \frac{1}{N}\sum_{i=1}^{N}(x_{i}-\overline{x}) (y_{i}-\overline{y})<br />
\]<br />
シグマで囲まれた項<br />
\[<br />
(x_{i}-\overline{x}) (y_{i}-\overline{y})<br />
\]<br />
は、xy 平面上で、$x$ の平均値の成す線と $y$ の平均値の成す線から作られる長方形の面積になる。<br />
<br />
不偏共分散<br />
不偏分散と同じようにデータ総数 N に対して N-1 で割った共分散を不偏共分散と言う。つまり<br />
\[<br />
s'_{xy} = \frac{1}{N-1}\sum_{i=1}^{N}(x_{i}-\overline{x}) (y_{i}-\overline{y})<br />
\]<br />
<br />
完全な正の相関がある 2 変数の共分散は、それぞれの変数の標準偏差の積になる。$xy$ の 2 変数を考えた時、完全な正の相関があるならば $y$ は<br />
\[<br />
y = cx + d<br />
\]<br />
という線形変換が可能である。従って、これを共分散の式に適用すると<br />
\[<br />
s_{xy} = \frac{1}{N}\sum_{i=1}^{N}(x_{i}-\overline{x}) (y_{i}-\overline{y})\\<br />
= \frac{1}{N}\sum_{i=1}^{N}(x_{i}-\overline{x}) [(cx_{i}+d)-(c\overline{x}+d)]\\<br />
= \frac{c}{N}\sum_{i=1}^{N}(x_{i}-\overline{x})^{2}\\<br />
= cs_{x}^{2}\\<br />
= (\frac{s_{y}}{s_{x}}) s_{x}^{2}\\<br />
= s_{x}s_{y}<br />
\]<br />
<br />
相関係数<br />
共分散をそれぞれの変数の標準偏差の積で割った値。つまり<br />
\[<br />
r = \frac{s_{xy}}{s_{x}s_{y}}<br />
\]<br />
相関係数の取り得る値は $-1 \leq s_{xy} \leq 1$ になる。<br />
<br />
== Sec2<br />
<br />
統計的事象は一般的に同じ $x$ の値に対して $y$ は様々な値を取る。例えば、中学生の学習時間 $x$ と試験点数 $y$ の統計の場合、$x$ に対して $y$ は一意に定まらない (同じ学習時間でも試験点数が異なる生徒が存在する)。<br />
<br />
条件付き平均<br />
こういった時、1 つの $x$ に対する様々な $y$ の平均を考える。これを $y$ の条件付き平均、と言う。中学生の例で言えば、学習時間が同じ生徒達の平均点数。<br />
<br />
回帰直線<br />
$y$ の条件付き平均の予測値 $\hat{y}$ を<br />
\[<br />
\hat{y}=a+bx<br />
\]<br />
とした時の直線の事。<br />
<br />
回帰係数<br />
回帰直線の式に於ける変数 $x$ の傾き $b$ の事。<br />
<br />
最小二乗法<br />
回帰直線を導く方法の一つ。回帰直線の式に実際観測データ $x_{i}$ を代入して得られる $\hat{y}_{i}$ と、実際の観測データ $y_{i}$ の差の二乗を最小化する $a$、$b$ を求める。つまり<br />
\[<br />
Q = \sum_{i=1}^{N}(y_{i}-\hat{y}_i)^{2}\\<br />
= \sum_{i=1}^{N}[(y_{i}-(a+bx_{i})]^{2}<br />
\]<br />
<br />
残差<br />
従属変数の実際の値と予測値ののずれの事。予測の誤差とも言う。残差を $e$ とすると<br />
\[<br />
e = y - \hat{y}<br />
\]<br />
また、残差の平均は<br />
\[<br />
\overline{e} = \overline{y} - \overline{\hat{y}} = 0<br />
\]<br />
となる。<br />
<br />
変数の直交<br />
互いに相関が無い ($r=0$) な変数同士は「直交している」と表現する。<br />
残差は独立変数 $x$ との相関が 0 になる (後の章で説明するらしい)。<br />
<br />
残差の定義式を変形すると<br />
\[<br />
y = \hat{y} + e<br />
\]<br />
が得られる。$\hat{y}$は独立変数 $x$ の線形変換であるから、$x$ との相関は 1 (または-1) になる。一方残差 $e$ は $x$ とは無相関なので、上記式は $y$ を独立変数と、独立変数とは無関係な値に分解した事になる。<br />
<br />
つまり従属変数 $y$ は、独立変数 $x$ だけでは説明できない要素が関連しているという事になる。中学生の例にすると、試験点数は学習時間だけでは説明できない要素があるという事になる (例えば学習の方法の差など)。<br />
<br />
残差の分散<br />
予測の誤差分散とも呼ばれ、以下の式で表わされる。<br />
\[<br />
s_{e}^{2} = s_{y}^{2}(1-r^{2})<br />
\]<br />
この平方根<br />
\[<br />
s_{e} = s_{y}\sqrt{1-r^{2}}<br />
\]<br />
は予測の標準誤差と呼ばれる。この予測の標準誤差の大小で予測の精度を評価する事ができる。<br />
<br />
対称性<br />
相関係数と回帰係数は共に変数間の関係を表わす指標だが、相関係数はそれぞれの変数に関して対称性がある。つまり $x$ と $y$ の相関係数と、$y$ と $x$ の相関係数は同じになる。しかし回帰係数は非対称になる。$y$ の $x$ への回帰直線と、$x$ の $y$ への回帰直線の傾きは同じにならない。<br />
<br />
選抜効果<br />
ある変数の値 (例えば $y$) に基づいてデータの選抜を行なうと、それによって相関係数の値は一般に低下する。この事を選抜効果と呼ぶ。他方、選抜を行なっても回帰係数は殆ど変化しない。<br />
<br />
== Sec6<br />
<br />
妥当性<br />
測定の妥当性とは、測定値が測定すべきものを正しく反映している程度の事。つまり測定の質。<br />
<br />
妥当性の検証<br />
測定が妥当だと仮定して、その場合どのような結果が満たされるか、をリストアップし実際に満たされているか確かめる。<br />
<br />
信頼性<br />
測定値の一貫性。同じ測定を繰り返した時、N 回目と N+1 回目で測定値が一貫しているかどうか。<br />
<br />
<iframe frameborder="0" marginheight="0" marginwidth="0" scrolling="no" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4641121605&linkId=3863159875f0c824ddafff423c99d0af" style="height: 240px; width: 120px;"></iframe>死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0tag:blogger.com,1999:blog-3811990424646688404.post-9803695070683401832017-11-25T17:17:00.000+09:002017-12-14T07:04:04.388+09:00心理統計学の基礎 第二章 備忘録代表値<br />
分布の特徴をあらわす記述的指標<br />
最大値、最小値、平均値 (mean、算術平均) など<br />
<br />
調整平均<br />
極端な値の影響を排除する為に最大値、最小値を排除した平均<br />
<br />
中央値 (median)<br />
出現する値をソートした時の順位が真ん中になる値<br />
<br />
代表値としての適切さ<br />
分布に含まれるそれぞれの値との近さ<br />
<br />
データ総数 N<br />
i 番目の実測値 $x_{i}$<br />
1 番目の実測値 $x_{1}$<br />
2 番目の実測値 $x_{2}$<br />
最適な代表値の候補 t<br />
<br />
代表値 t とそれぞれ実測値の距離は $|x_{i} - t|$<br />
これの総和を取る<br />
\[<br />
T_{1}=\sum_{i=1}^{N}|x_{i}-t|<br />
\]<br />
<br />
$T_{1} $を最小化する値 t が、分布に含まれるそれぞれの値に最も近い。このような基準 $T_{1}$ を最小化する値が中央値。<br />
<br />
しかしこの「距離」だと、値の密度が高いあたりの数値影響力が高く、分布の両端にある疎な値の影響力が弱い。<br />
<br />
分布の両端 (つまり距離が遠い) 値の影響力を大きくする為に、別の基準 $T_{2}$ を<br />
\[<br />
T_{2}=\sum_{i=1}^{N}(x_{i}-t)^{2}<br />
\]<br />
<br />
とすると。代表値 t と各値の二乗を取っているので、距離が遠い=差が大きいものの影響力がより強くなる。このような基準 $T_{2}$ を最小化する値が平均値。<br />
<br />
外れ値に対する抵抗性<br />
平均値は中央値に比べて分布の両端の外れた値の影響を強く受ける為、極端な最大値や最小値にひっぱられて平均値は大きく変動する。<br />
一方中央値はこういう極値の影響を受けない。<br />
<br />
合成変数<br />
複数の変数に重みを付けた和や差。<br />
変数 x,y、重み c,d の時、合成変数 v は<br />
\[<br />
v = cx + dy<br />
\]<br />
v の平均は<br />
\[<br />
\overline{v} = \frac{1}{N}\sum_{i=1}^{N}v_{i}\\<br />
= \frac{1}{N}\sum_{i=1}^{N}(cx_{i} + dy_{i})\\<br />
= \frac{1}{N}\sum_{i=1}^{N}cx_{i} + \frac{1}{N}\sum_{i=1}^{N}dy_{i}<br />
\]<br />
となる。つまり合成変数の平均は、各変数の平均の和に等しい。<br />
<br />
散布度<br />
分布の広がりの程度を表す。<br />
平均偏差<br />
中央値によって最小化される指標$T_{1}$をデータ総数で割った値。つまり<br />
\[<br />
MD = \frac{1}{N}\sum_{i=1}^{N}|x_{i} - Med|<br />
\]<br />
で表わされる。これは各値が中央値から平均してどれくらい離れているかを表わしている。<br />
中央値の代わりに平均値を入れる事もある。<br />
<br />
分散<br />
平均値によって最小化される指標$T_{2}$をデータ総数で割った値。つまり<br />
\[<br />
s^{2} = \frac{1}{N}\sum_{i=1}^{N}(x_{i} - \overline{x})^{2}<br />
\]<br />
標準偏差<br />
分散の平方根を取ったもの。つまり<br />
\[<br />
s = \sqrt{\frac{1}{N}\sum_{i=1}^{N}(x_{i} - \overline{x})^{2}}<br />
\]<br />
<br />
平均偏差よりも、分散や標準偏差の方が統計的推測では頻繁に使われる。<br />
<br />
不偏分散<br />
$T_{2}$をデータ総数ではなく、データ総数-1 で割った値。つまり<br />
\[<br />
s^{2} = \frac{1}{N-1}\sum_{i=1}^{N}(x_{i} - \overline{x})^{2}<br />
\]<br />
<br />
線形変換<br />
元の変数 x に対して<br />
\[<br />
x' = cx + d<br />
\]<br />
として新しい変数 x'を得る手続き。<br />
<br />
線形変換した x'からそれぞれの指標値を計算すると以下が導出できる。<br />
\[<br />
MD_{x'} = |c| \times MD_{x}\\<br />
s_{x'} = |c| \times s_{x}\\<br />
s^{2}_{x'} = c^{2} \times s_{x}^{2}<br />
\]<br />
<br />
上記の用に線形変換後の平均や標準偏差は完全に予測可能なので、変換後の変数が特定の平均と標準偏差を持つように変換する事が可能。<br />
例えば学校で使われる偏差値は、平均 50、標準偏差 10 になるように点数を線形変換したもの。<br />
<br />
z 得点<br />
平均を 0、標準偏差を 1 とする線形変換<br />
<div>
<br /></div>
<iframe frameborder="0" marginheight="0" marginwidth="0" scrolling="no" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4641121605&linkId=3863159875f0c824ddafff423c99d0af" style="height: 240px; width: 120px;"></iframe>
死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0tag:blogger.com,1999:blog-3811990424646688404.post-2556590055686931512017-11-24T22:30:00.001+09:002017-12-14T07:04:20.558+09:00心理統計学の基礎 第一章 備忘録統計の勉強の為に「心理統計学の基礎」という本を読んでいる。自分の理解を助け、また記憶を確かなものにする為にメモを取りながら読んでみる。
<br>
<br>== Sec1
<br>
<br>リサーチ・クエスチョン
<br> 研究上の問い
<br>
<br>仮説
<br> 問いに対する暫定的な説明
<br>
<br>統計的なデータ解析は、
<br> 仮説生成
<br> 仮説検証
<br>の過程で利用される。
<br>
<br>仮説から具体的な予測を論理的に導出し実験やデータ解析で、この予測を支持あるいは棄却する。
<br>
<br>あくまで「支持」であって証明ではない。相関と因果は別。
<br>
<br>「仮説が正しければ、予測通りの結果が得られる」と前提するならば「予測通りの結果が得られなければ、仮説は正しくない」は対偶なので真であるからデータによって仮説を反証する事は可能。
<br>
<br>実際には「仮説が正しければ、予測通りの結果が得られる」という条件を満たせない事が多い (測定が不完全など)。
<br>
<br>母集団
<br>サンプル (標本)
<br> 標本はランダムに選ばれる事が望ましい
<br> 完全な無作為抽出は現実的には困難
<br>
<br>== Sec2
<br>
<br>度数分布
<br>相関関係
<br>散布図
<br> 相関図とも呼ばれる
<br>
<br>== Sec3
<br>
<br>記述的指標/ 記述統計量/ 要約統計量
<br> 分布、広がり、重なりなど
<br>
<br>統計的推測
<br> 母集団から無作為抽出を過程して確率論的に推測する
<br>
<br>
<iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4641121605&linkId=3863159875f0c824ddafff423c99d0af"></iframe>死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0tag:blogger.com,1999:blog-3811990424646688404.post-70642045394986876022017-11-20T17:22:00.001+09:002017-11-20T20:36:02.341+09:00D&D 5 版 Sage Advise 抄訳 2017102017 年 10 月 にウィザーズ社のサイトで公開された Sage Advise の抄訳です。
<br>
<br>Q1: バードが読める呪文の巻物はどれですか。バードの呪文リストにあるものだけ? それともマジカル・シークレットの特徴で追加した呪文も読める?
<br>
<br>A1: マジカル・シークレットで追加した呪文はバード呪文になるので、これらの呪文の巻物も読めます。
<br>
<br>Q2: バトル・マスターが機会攻撃を食って、それが外れた時、このバトル・マスターはリポストの戦技で反撃出来ますか。
<br>
<br>A2: はい、バトル・マスターのリアクションがまだ残っているならば。
<br>
<br>Q3: モンクがエンプティ・ボディの能力で透明化した時、そのモンクが攻撃してもまだ透明化は続きますか。
<br>
<br>A3: はい。
<br>
<br>Q4: パラディンがラスフル・スマイト (wrathful smite) のようなスマイト系の呪文を使った上で、その攻撃が命中した時にディヴァイン・スマイトも乗せられますか?
<br>
<br>A4: はい。
<br>
<br>Q5: エレメンタル・アフィニティの特徴は呪文の 1 つのダメージ・ロールにのみ加算可能ですか? 例えばスコーチング・レイで 3 本のレイを撃った時、それぞれに【魅力】修正を足せる?
<br>
<br>A5: いいえ。いずれか 1 つです。
<br>
<br>Q6: アイズ・オブ・ザ・ルーン・キーパーのインヴォケーションは魔法のルーンにも機能しますか。
<br>
<br>A6: アイズ・オブ・ザ・ルーン・キーパーは、記述されたものであれば何でも読めるようにします。それがルーンであっても言語的意味であっても、です。
<br>
<br>Q7: 変成術系統のシェイプチェンジャーの特徴を持ったウィザードは、ポリモーフの呪文をスロット消費なしに使えますが、そもそそもポリモーフの呪文を準備する必要はありますか。
<br>
<br>A7: はい
<br>
<br>Q8: 《ダンジョン・デルヴァー》の特技には、罠の捜索を旅のあいだであっても通常の速度で行なえるとありますが、そもそも罠捜索の速度のルールって存在しますか。
<br>
<br>A8: しません。この文は無視して下さい。
<br>
<br>Q9: 《センチネル》の特技を持っているキャラクタは、ファンシィ・フットワークの特徴や《モバイル》の特技を持った相手に機会攻撃出来ますか。
<br>
<br>A9: いいえ。《センチネル》の 2 つめの利益は、離脱アクションを試みた相手にも機会攻撃が可能、というものです。ファンシィ・フットワークにしろ《モバイル》にしろ、これらは離脱アクションではありません。
<br>
<br>Q10: キャラクタが 20 レベルになった後はどうなりますか。20 レベルがキャラクタの最大レベル?
<br>
<br>A10: ダンジョン・マスターズ・ガイドの「エピック・ブーン」のセクションを読みましょう。
<br>
<br>Q11: もし私が貴方に組みつきをしたとします。更にその状態で私は自発的に伏せ状態になったら、貴方も一緒に伏せになる?
<br>
<br>A11: いいえ。伏せた状態の貴方が、立っている私に組みついている状態になるだけです。
<br>
<br>Q12: チル・タッチの呪文は再生を止めますか。
<br>
<br>A12: はい。チル・タッチはその効果時間中、あらゆるヒット・ポイント回復を阻害します。
<br>
<br>Q13: ジャンプの呪文によって、跳躍の飛距離が通常移動速度 (walk speed) よりも大きくなった時、どう処理すれば良いですか。
<br>
<br>A13: 跳躍による移動も通常移動速度による制限を受けます。もし通常移動速度を超えて跳躍するならば早足アクションを取る必要があります。
<br>
<br>Q14: メイジ・アーマーの呪文の名前に混乱しています。だってアーマーって言ってるのに鎧と見做さないんだもの。
<br>
<br>A14: いくつかの呪文やクラスの特徴の名称は、比喩的なので字義的なものではありません。呪文やクラス特徴の詳細な説明文が実際に発生する事を説明しています。
<br>
<br>Q15: どんな物がプレスティディジテーションの為の非魔法の小物と見做されますか。
<br>
<br>A15: プスティディジテーションは、小さく安価な物を作り出す事が出来ます。その物がどんなものかは呪文を使った本人と DM が決めて下さい。
<br>
<br>Q16: ストーム・オブ・ヴェンジェンス呪文の効果は累積しますか。あるいは、毎ターン効果が変わる? [訳注: Or do the effects change each turn? の意図が分からない]
<br>
<br>A16: それぞれの新しい効果が前のラウンドの効果を上書きします。[訳注: この解答もよくわからないが、each new effect と言っているので呪文の効果自体は累積するっぽい]
<br>
<br>Q17: グールとギャストの噛み付き攻撃には習熟ボーナスが加算されていないようですが、これはミス? それともわざと?
<br>
<br>A17: 意図的です。
<br>
<br>Q18: エアー/ ファイア/ ウォーター・エレメンタルは、5 フィートよりも狭い空間でペナルティなく戦えますか。
<br>
<br>A18: エアー/ ファイア/ ウォーター・エレメンタルは、移動の時に無理矢理入り込むペナルティを無視出来ます。
<br>
<br>Q19: アース・エレメンタルが相手に組み付いた状態で、そのまま地下へ引きずり込んだら相手は死にますか?
<br>
<br>A19: いいえ。アース・エレメンタルのアース・グライドの能力は自分自身にだけ機能します。つまりこの場合、アース・エレメンタルだけが地下へ移動し、組み付かれた側は地上に残ります。
<br>
<br>Q20: リッチのディスラプト・ライフの能力はアニメイテッド・オブジェクトやコンストラクト相手にも機能しますか。
<br>
<br>A20: はい。相手がアンデッドでなければ機能します。
<br>
<br>Q21: ヴァンパイアは同時にチャーム可能なクリーチャーの数に上限はありますか。
<br>
<br>A21: いいえ。一回のチャームアクションで魅了出来るクリーチャーは 1 体ですが、それを何回も実行すれば同時にチャーム出来ます。
<br>
<br>Q22: バードがインストルメント・オブ・ザ・バーズのマジックアイテムに同調していて、かつそれを手に保持した状態で、チャーム・パーソンを使ったら対象のセーヴには不利が付きますか?
<br>
<br>A22: いいえ。インストルメント・オブ・ザ・バーズは、それを呪文発動時の焦点具として利用した時のみ、相手を魅了状態にする呪文のセーヴに不利を付けられます。しかしチャーム・パーソンは物質要素が無い呪文なので、インストルメントは効果を発揮しません。[訳注: 通常、呪文発動時の焦点具は物質要素の代わりに使うので、物資要素が無い呪文の場合焦点具は使われない]
<br>
<br>Q23: アサシネイトの能力を持ったローグがヴォーパル・ソードを装備して、不意打ちで攻撃したら相手は即死?
<br>
<br>A23: いいえ。ヴォーパル・ソードで相手を即死させるには、20 面体を振って出目 20 を出す必要があります。アサシン・アーキタイプのローグによる不意打ちの攻撃は、自動クリティカルであって出目 20 ではありません。死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0tag:blogger.com,1999:blog-3811990424646688404.post-62999511490732343552017-11-19T19:20:00.000+09:002017-11-19T19:21:43.745+09:00【今日の読書】コンピューターで「脳」がつくれるか書名: コンピューターで「脳」がつくれるか
<br>著者: 五木田 和也
<br>出版: 技術評論社
<br>ISBN: 978-4-7741-8410-4
<br>
<br>現在の人工知能にまつわる主要なキーワードについて、それぞれ噛み砕いて説明した本です。数式や難解な用語は避けているのですが、何故か四章の脳科学の部分だけやたらと専門用語が連発されて、他の章との不均衡を感じます。多分そのあたりが筆者の専門分野なのでしょう。四章だけ興が乗ってキーボードが滑ったのかもしれません。
<br>
<br>人工知能の大雑把な歴史、特化型人工知能と汎用人工知能の違いなど抑えるべき点をさらっと 200 ページに見たない本で説明しているので、概観を捉えたい人に向いた本です。
<br>
<br>
<iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4774184101&linkId=920728e54016e88cb7849f512aa2016f"></iframe>死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0tag:blogger.com,1999:blog-3811990424646688404.post-9949852293009361202017-11-18T23:43:00.001+09:002017-11-19T10:21:22.484+09:00Princes of the Apocalypse 7 [72]Princes of the Apocalypse の続きです。DM は画伯。参加者は以下の通り。
<br>
<br>アンドリュー、 Cleric (War) 1/Warlock (Blade Pact) 7, Half-Elf, CG, ほえほえさん
<br>シマズ, Figher (Champion) 8, Half-Orc, LN, からくりさん
<br>スパイア, Sorcerer (Storm) 3 / Paladin (Crown) 5, Tabaxi, LG, つかださん
<br>ツリートップ, Bard (Lore) 8, Tabaxi, CG, さるしんごさん
<br>ミック, Monk (Sunsoul) 8, Tabaxi, CG, いっちゃん
<br>メルゲン, Fighter (Battle Master) 8, Human, TN, 六平さん
<br>ユーウェイン, Wizard (Bladesinger) 8, High Elf, CG, 死せる詩人
<br>
<br>前半はヤーター街で開かれているバザールで各人個人的パワーアップという名のマジックアイテム探し。
<br>
<br>アンドリュー: ガントレット・オブ・オーガパワー
<br>シマズ: ウィングド・ブーツ
<br>スパイア: センチネル・シールド
<br>ツリートップ: フォークルカン・バンドーラ
<br>ミック: クローク・オブ・レジスタンス
<br>メルゲン: ゴーグル・オブ・ナイト
<br>ユーウェイン: フレイム・タン
<br>
<br>をそれぞれ 1 万から 2 万ゴールドほどで購入。さらに余った金やらアイテムで、シマズ用にグレート・ソード +2 を入手。
<br>
<br>その後の街の有力者という名のヤクザ者のどちらに付くかという決断を迫られ、シナリオに必要そうなアイテムを持っている元川賊の女傑につき、相手の組にかちこみ。したと思ったら相手がサハギンで驚きつつ、サハギン・バロンっぽいボス、ヒドラ、ウォーター・エレメンタル、サハギン・クレリック 6 体を撃破。デヴァーステーティング・オーブなるテロリズム誘発アイテムを鹵獲。
<br>
<br><blockquote class="twitter-tweet" data-lang="ja"><p lang="ja" dir="ltr">戦闘。<a href="https://twitter.com/hashtag/DnD?src=hash&ref_src=twsrc%5Etfw">#DnD</a> <a href="https://t.co/9GqTSZVo2t">pic.twitter.com/9GqTSZVo2t</a></p>— 死せる詩人 (@siseru) <a href="https://twitter.com/siseru/status/931751441663799296?ref_src=twsrc%5Etfw">2017年11月18日</a></blockquote>
<script async src="https://platform.twitter.com/widgets.js" charset="utf-8"></script>
<br>
<br><blockquote class="twitter-tweet" data-lang="ja"><p lang="ja" dir="ltr">ヒドラ登場。猫が食われる。<a href="https://twitter.com/hashtag/DnD?src=hash&ref_src=twsrc%5Etfw">#DnD</a> <a href="https://t.co/1r4siaY3ss">pic.twitter.com/1r4siaY3ss</a></p>— 死せる詩人 (@siseru) <a href="https://twitter.com/siseru/status/931754484438413312?ref_src=twsrc%5Etfw">2017年11月18日</a></blockquote>
<script async src="https://platform.twitter.com/widgets.js" charset="utf-8"></script>
<br>
<br>バザールも終わったので、ユーウェインが 9 レベルで覚えたテレポーテション・サークルでレッドラーチへ帰還。依頼主にデヴァーステーティング・オーブ 6 個を渡す。
<br>
<br>以前見付けて、その時点では身の丈に合わないという事で回避したリバーガード・キープ地下のダンジョンへ。ウォーター・カルトを殲滅すべし。
<br>
<br>道中ヒル・ジャイアント 6 体に遭遇するが、不意打ち出来たのとユーウェインが無茶苦茶ジャイアントの生態に詳しいのがあって比較的余裕で撃破。
<br>
<br>リバーガード・キープ地下ではいきなりドラゴン・タートル (モンスター・マニュアル通りなら CR17!!) に出会うがスパイアが冷静に交渉し、ウォーター・カルトを快く思っていなかった亀さんと友好的に話し合いを終える。
<br>
<br><blockquote class="twitter-tweet" data-lang="ja"><p lang="ja" dir="ltr">ガメラ……じゃなかった、ドラゴンタートルが川底から登場。<a href="https://twitter.com/hashtag/DnD?src=hash&ref_src=twsrc%5Etfw">#DnD</a> <a href="https://t.co/PAkISfxptO">pic.twitter.com/PAkISfxptO</a></p>— 死せる詩人 (@siseru) <a href="https://twitter.com/siseru/status/931790661631619072?ref_src=twsrc%5Etfw">2017年11月18日</a></blockquote>
<script async src="https://platform.twitter.com/widgets.js" charset="utf-8"></script>
<br>
<br>その後サハギン・プリースト 3 体、中堅カルト員 4 人、4 本腕のストーン・ゴレームを倒した所で時間切れ。
<br>
<br><blockquote class="twitter-tweet" data-lang="ja"><p lang="ja" dir="ltr">ストーンゴーレム <a href="https://twitter.com/hashtag/DnD?src=hash&ref_src=twsrc%5Etfw">#DnD</a> <a href="https://t.co/SZAEgSp6Js">pic.twitter.com/SZAEgSp6Js</a></p>— 死せる詩人 (@siseru) <a href="https://twitter.com/siseru/status/931804860034379777?ref_src=twsrc%5Etfw">2017年11月18日</a></blockquote>
<script async src="https://platform.twitter.com/widgets.js" charset="utf-8"></script>
<br>
<br>ここでセーブして次回は続きから。
<br>
<br>
<iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=0786965789&linkId=b593d487229e09792fdbe149d18d4888"></iframe>死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0tag:blogger.com,1999:blog-3811990424646688404.post-4345194547383203152017-11-18T23:07:00.001+09:002017-12-14T07:05:21.009+09:00【今日の読書】キーポイント 線形代数書名: キーポイント 線形代数
<br>著者: 薩摩 順吉、四ツ谷 晶二
<br>出版: 岩波書店
<br>ISBN: 978-4-00-007862-7
<br>
<br>機械学習やディープラーニング関連のプログラミングをすると線形代数(行列計算)の知識が必要になってくるので「キーポイント 確率・統計」と同じシリーズの線形代数の本を読んでみました。
<br>
<br>これは名著です。特に前半が非常に分かりやすく、2x2や3x3の行列を意識的に例に取っているのもあって概念的な部分もかなり頭に入り易いです。
<br>
<br>行列のおさらいをしたいという目的にはかなり向いた本と言えると思います。
<br>
<br>
<iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4000078623&linkId=71b696d37197ec2ffd2500fef00f040d"></iframe>死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0tag:blogger.com,1999:blog-3811990424646688404.post-27467665568891968882017-11-15T10:35:00.000+09:002017-12-14T07:04:46.134+09:00【今日の読書】キーポイント 確率・統計書名: キーポイント 確率・統計
<br>著者: 和達 三樹、十河 清
<br>出版: 岩波書店
<br>ISBN: 978-4-00-007866-5
<br>
<br>「はじめてのパターン認識」を読み始めたものの、統計関連の用語がさっぱりだったのでまず統計学の初歩を抑えておかねばと思って探した本。150 ページ程度でかなりうすいけれど初歩はさらえます。ただ式展開や証明など飛ばしている所もあるので、もしそのあたりを知りたければ別の本に頼る必要があります。
<br>
<br>しかし機械学習の勉強の準備として統計学を知りたいならこの程度でも充分かもしれません。
<br>
<br>
<iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4000078666&linkId=4e306ebf39523a2389ba4cb4055716e0"></iframe>死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0tag:blogger.com,1999:blog-3811990424646688404.post-78915509336097355632017-11-12T19:23:00.001+09:002017-12-14T07:05:57.469+09:00【今日の読書】ゼロから作る Deep Learning書名: ゼロから作る Deep Learning, Python で学ぶディープラーニングの理論と実装
<br>著者: 斎藤 康毅
<br>出版: オライリー・ジャパン
<br>ISBN: 978-4-87311-758-4
<br>
<br>非常に良い本。とりあえず写経しつつ読んだが、おりに振れて読み返す事になりそう。
<br>
<br>目次
<br>
<br>まえがき
<br>1 章 Python 入門
<br>2 章 パーセプトロン
<br>3 章 ニューラルネットワーク
<br>4 章 ニューラルネットワークの学習
<br>5 章 誤差逆伝播法
<br>6 章 学習に関するテクニック
<br>7 章 畳み込みニューラルネットワーク
<br>8 章 ディープラーニング
<br>
<br>
<iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4873117585&linkId=800d0afdf49b9524f710f21b2bb5a413"></iframe>死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0tag:blogger.com,1999:blog-3811990424646688404.post-14860269251991280162017-11-07T21:59:00.001+09:002017-12-14T07:06:45.104+09:00【今日の読書】データサイエンティスト養成読本 機会学習入門編書名: データサイエンティスト養成読本 機会学習入門編
<br>著者: 比戸将平、馬場雪乃、里洋平、戸嶋龍哉、得居誠也、福島真太朗、加藤公一、関喜史、阿部厳、熊崎宏樹
<br>出版: 技術評論社
<br>ISBN: 978-4-7741-7631-4
<br>
<br>第 1 部
<br>しくみと概要を学ぼう!
<br>
<br>特集 1
<br>機械学習を使いたい人のための入門講座…… 比戸将平
<br>
<br>第 1 章:機械学習の概要
<br>第 2 章:機械学習の歴史と今後の応用例
<br>第 3 章:データサイエンティストのための機械学習
<br>第 4 章: Q&A とまとめ
<br>
<br>特集 2
<br>機械学習の基礎知識…… 馬場雪乃
<br>
<br>第 1 章:機械学習の問題設定
<br>第 2 章:教師あり学習
<br>第 3 章: 教師なし学習
<br>第 4 章:応用
<br>
<br>特集 3
<br>ビジネスに導入する機械学習…… 里 洋平・戸嶋龍哉
<br>
<br>第 1 章:ビジネスデータのクラスタリング
<br>第 2 章:予測モデルの構築
<br>
<br>特集 4
<br>深層学習最前線…… 得居誠也
<br>
<br>第 1 章:準備
<br>第 2 章:多層パーセプトロンの書き方
<br>第 3 章:ニューラルネットの学習方法
<br>第 4 章:画像認識のためのアーキテクチャ
<br>
<br>第 2 部
<br>手を動かして学ぼう!
<br>
<br>特集 1
<br>機械学習ソフトウェアの概観…… 福島真太朗
<br>
<br>第 1 章:開発が進む機械学習のソフトウェア
<br>第 2 章:機械学習のソフトウェアを用いた実行例
<br>第 3 章:機械学習ソフトウェア選択の指針
<br>
<br>特集 2
<br>Python による機械学習入門…… 加藤公一
<br>
<br>第 1 章:イントロダクション
<br>第 2 章: Numpy , Scipy , matplotlib の基礎
<br>第 3 章: scikit-learn 入門
<br>
<br>特集 3
<br>推薦システム入門…… 関 喜史
<br>
<br>第 1 章:推薦システムのキホン
<br>第 2 章:推薦システムを作る
<br>第 3 章:推薦システムの高度化
<br>第 4 章:良い推薦システムを作るために
<br>
<br>特集 4
<br>Python で画像認識にチャレンジ…… 阿部 厳
<br>
<br>第 1 章:画像認識とは?
<br>第 2 章:準備
<br>第 3 章:シンプルな画像認識を実装
<br>第 4 章:猫顔検出に挑戦
<br>
<br>特集 5
<br>Jubatus による異常検知…… 熊崎宏樹
<br>
<br>第 1 章:はじめに
<br>第 2 章:アーキテクチャ
<br>第 3 章:テストデータからの異常検知
<br>第 4 章:サーバログからの異常検知
<br>
<br><iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4774176311&linkId=2b1677ea54aa95852ddf1e2d0296fdec"></iframe>死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0tag:blogger.com,1999:blog-3811990424646688404.post-72846129844753734582017-11-04T23:30:00.002+09:002017-11-18T23:25:29.178+09:00Dead in Thay [71]本来ならば GDQ キャンペーンの日なのですが、DM の僕がギリギリまで休日出勤の可能性が捨て切れない状況だったので、DM を交代してもらって単発セッションとなりました。DM はそば君。参加者は以下の通り。
<br>
<br>ミック, Barbarian (Path of Berserker) 9, Human, 満月
<br>スカーレット, Paladin (Oath of the Ancients) 9, Tiefling, からくり
<br>三代目, Cleric (Life Domain) 1/Bard (College of Lore) 8, Human, いっちゃん
<br>マリーマリー, Rogue (Mastermind) 3/Bard (College of Lore) 6, Tiefling, 羽生
<br>ペライオス, Sorcerer (Wild Magic) 9, Tiefling, 死せる詩人
<br>
<br>シナリオは Tales from the Yawing Portal に掲載されている「Dead in Thay」です。9 レベルから 11 レベル対応のダンジョンシナリオです。サーイの地下にあるダンジョンに、リッチの経箱が沢山格納された部屋があるので、そこを発見し経箱を壊しまくろう! という趣旨。
<br>
<br>エリア毎にモンスタの傾向が多きく違い、様々なモンスタと戦える趣向になっています。今回は 3 エリアほど回って時間切れ。
<br>
<br>
<iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=0786966092&linkId=22decb8a2fe5f2470619d71ca435d43e"></iframe>死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0tag:blogger.com,1999:blog-3811990424646688404.post-5087323059772218202017-11-04T23:30:00.001+09:002017-12-14T07:07:02.496+09:00【今日の読書】明日からつかえるシンプル統計学書名: 明日からつかえるシンプル統計学
<br>著者: 柏木 吉基
<br>出版: 技術評論社
<br>ISBN: 978-4-7741-5054-3
<br>
<br>
<iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4774150541&linkId=4c79a01698a4a9f0b009b43354764b29"></iframe>死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0tag:blogger.com,1999:blog-3811990424646688404.post-31931401629004845082017-11-02T22:46:00.001+09:002017-12-14T07:07:36.903+09:00【今日の読書】改訂 2 版 データサイエンティスト養成読本書名: 改訂 2 版 データサイエンティスト養成読本
<br>著者: 佐藤洋行、原田博植、里洋平、和田計也、早川敦士、倉橋一成、下田倫大、大成浩子、奥野晃裕、中川帝人、長岡裕己、中原誠
<br>出版: 技術評論社
<br>ISBN: 978-4-7741-8360-2
<br>
<br>目次
<br>
<br>巻頭企画
<br>データサイエンティストの仕事術
<br>
<br>第 1 章:データサイエンティストに必要なスキル
<br>第 2 章:データサイエンスのプロセス
<br>第 3 章:「ビッグデータインフラ」入門
<br>
<br>特集 1
<br>データ分析実践入門
<br>
<br>第 1 章: R で統計解析をはじめよう
<br>第 2 章: RStudio でらくらくデータ分析
<br>第 3 章: Python による機械学習
<br>第 4 章:データマイニングに必要な 11 のアルゴリズム
<br>
<br>特集 2
<br>マーケティング分析本格入門
<br>
<br>第 1 章: R によるマーケティング分析
<br>第 2 章: mixi における大規模データマイニング事例
<br>第 3 章:ソーシャルメディアネットワーク分析
<br>
<br>特別記事
<br>
<br>Fluentd 入門
<br>
<br>特別企画
<br>データ分析のためにこれだけは覚えておきたい基礎知識
<br>
<br>第 1 章: SQL 入門
<br>第 2 章: Web スクレイピング入門
<br>第 3 章: Tableau 実践入門
<br>
<br>
<iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=siseru-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4774183601&linkId=ad0ad87bc0a4eca07c4e22a176d4a133"></iframe>死せる詩人http://www.blogger.com/profile/07771255368498873089noreply@blogger.com0