約 19,968 件
https://w.atwiki.jp/tkonishi73/pages/337.html
１要因分散分析 例 作業を行う部屋の照明が作業能率に与える効果を調べる。 部屋の明るさ－低・中・高 作業能率－１時間に完成した製品の重量(Kg) 条件 低(low) 中(middle) 高(high) 問。ある教科の４つの指導方法（A,B,C,D）を比較するために、２０人の生徒を４つのグループに分けて、それぞれの方法で指導させた。 指導方法の効果を調べるために、その期間のあとにテストを行った結果が下表である。 ４つの方法に差があるといえるか？ A B C D 5 9 2 8 6 6 5 8 7 8 6 5 5 7 5 7 6 7 5 8 データの入力方法("kyokaanova.csv") group score A 5 A 6 A 7 A 5 A 6 B 9 B 6 B 8 B 7 B 7 C 2 C 5 C 6 C 5 C 5 D 8 D 8 D 5 D 7 D 8 Rによる計算結果 anova1dat -read.csv("kyokaanova.csv") attach(anova1dat) anova(lm(score ~ group)) Analysis of Variance Table Response score Df Sum Sq Mean Sq F value Pr( F) group 3 25.7500 8.5833 5.7222 0.007395 ** Residuals 16 24.0000 1.5000 ゆえに、分散分析の結果から、４つの指導方法の間に有意な差が見られた。 Signif. codes 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1 TukeyHSD(aov(score ~ group)) Tukey multiple comparisons of means 95% family-wise confidence level Fit aov(formula = score ~ group) $group diff lwr upr p adj B-A 1.6 -0.6161364 3.8161364 0.2062465 C-A -1.2 -3.4161364 1.0161364 0.4332803 D-A 1.4 -0.8161364 3.6161364 0.3058633 C-B -2.8 -5.0161364 -0.5838636 0.0112126 D-B -0.2 -2.4161364 2.0161364 0.9937210 D-C 2.6 0.3838636 4.8161364 0.0188716 ゆえに、有意水準5％で、BとC,CとDの間に有意な差が見られた。
https://w.atwiki.jp/tkonishi73/pages/350.html
2.9 大数の法則 実験回数を増やして、ある事象の起こる割合を測定すると、回数を増やせば増やすほど「一定値」に近づく。 （ベルヌーイの大数の法則） この法則により、先験的確率＝実験的確率、と考えられる。 2.10 確率変数・期待値・分散の感覚的把握 確率変数＝その取りうる値に対して、確率が対応している変数のこと たとえば、宝くじの例で言えば、賞金金額が確率変数である。 各賞金金額とその確率をかけて合計したものが、「期待金額（期待値）」という。 例.宝くじ 次の表のような当たり本数の宝くじを100本販売する。 等級 当選金額 当選本数 1等 100000円 1本 2等 10000円 3本 3等 1000円 6本 この場合、賞金総額は、100000円×1本+10000円×3本+1000円×6本＝136000円 であり、 宝くじ1本あたりの金額は、 136000円÷100本＝1360円 になる。 この宝くじを販売するとき、1360円以上で販売しないと利益は出ない。 この金額が、宝くじの期待金額になる。 上の期待金額は、次のようにも書ける： （100000円×1本+10000円×3本+1000円×6本）/100本 ＝100000円×（1/100）+10000円×（3/100）+1000円×（6/100）＝（当選金額）×（当選確率）の総和 すなわち、当選金額と当選確率を掛けて合計したものが期待金額であり、これが期待値(expectation)である。 例１．さいころを１回振るときに期待できる目の数（同じ確率のとき） 目の数 確率 1 2 3 4 5 6 このときの期待値は 例２．さいころを１回振るときに期待できる目の数（違う確率のとき） 目の数 確率 1 2 3 4 5 6 このときの期待値は したがって、このサイコロでは５と６の目が出やすいことが分かる。 解説 期待値Eは,平均＝全体のバランスをとる位置、を与えている。このため、確率分布の期待値を「確率分布の平均」という。 平均値からのばらつきを表す指標が「分散」である。 分散V(variance)は、各値から平均を引き、2乗した量に、対応する確率を掛けて加えて求める。 分散の平方根を取ったものが「標準偏差SD(standard deviation)」である。 例３．さいころを１回振るときに期待できる目の数（同じ確率のとき） 上の例１の場合の確率分布表からであるので、下の表ができる。 目の数 確率 1 -2.5 6.25 1.042 2 -1.5 2.25 0.375 3 -0.5 0.25 0.042 4 0.5 0.25 0.042 5 1.5 2.25 0.375 6 2.5 6.25 1.042 合計 1 2.918 このときの分散は、で、標準偏差は、の平方根を取り、となる。 後で述べるが、確率分布が正規分布の場合には、平均-標準偏差～平均+標準偏差、に全体の約３分の２（６８％）が含まれる。 今回の例3の場合は、まさしく、1.79～5.21の間に66.7％含まれていることが分かる。 これが、実は、標準偏差の役割である。
https://w.atwiki.jp/niwatorikurokoge/pages/12.html
あまり情報がないようなので試行錯誤した結果を掲載します。最適な方法ではないかもしれません。 3dsmax9のmentalrayには8つのサテライトライセンスが付属しています。これを用いて手軽に分散レンダリングが可能です。 アニメーションなど複数のフレームをレンダリングするときはbackburnerを用いて1フレーム目はPC1,2フレーム目はPC2と振り分ける方がはるかに効率が良いです。 mentalrayはレンダリング領域をバケットと呼ばれる小さな領域に分けてレンダリングしていきます（デフォルトで48x48pixel)このバケットをサテライトノードに振り分けることで分散レンダリングを実現します。また、フォトンマッピング、ファイナルギャザーに関しても小さなジョブに分けてサテライトノードに振り分けて計算します。 サテライトノードに振り分けるジョブの計算量が余り少ないと、通信にかかる時間の方が支配的になり分散レンダリングの意味がありません。 逆にあまり大きなジョブをサテライトノードに振り分けると、一番遅いPCに最後の一個のジョブが振り分けられてしまったときに他の早いPCが待ちぼうけを食らうなど効率が悪くなります。 従ってバケットサイズは1バケットの計算が3〜15秒ぐらいに納まるような大きさに決めるべきです。 ファイヤーウォール、ウイルスバスターなどが悪さをしていることが多いようです。 全部シャットダウンしてから設定しきちんと動くのを確かめた上で、セキュリティソフトを再び動かします。 3dsmax9のインストールディスクを用いて分散レンダリングに使用するPC全てに3dsmax9をインストールする。 メインで使用する一台以外は30日体験版扱いになります。ところが3dsmaxのライセンスが切れていてもmentalrayのレンダリングノードはサービスとして起動しています。 3dsmax9が同時に接続できるmentalrayノードが8に制限されているので、ライセンス数に関係なく手持ちのPC全てにインストールすることも可能です。 緊急時にレンダリングノードを追加するのも、3dsmax9をインストールするだけで可能です。 3dsmax9をインストールせずにmentalrayのレンダリングノードだけインストールする方法はないようです。 3dsmax9(mentalrayを使用する設定にしておく)- シーンをレンダリングウインドウ- 処理- ディストリビュートバケットレンダリング- ディストリビュートレンダリングにチェック。 マップを配布はチェックをつけない。全てのPCに同じディレクトリ構成でマップがコピーされていればマップを配布する必要はありません。 レンダリングノードはmax.rayhostsというファイルに列挙しておきます。"追加ボタン"をクリックしてIPアドレスを入力、ポート番号は既定値のままでOKを押すとmax.rayhostsに書き込まれます（メモ帳などで追加しても問題ありません) レンダリングノードのリスト上でノードをクリックし青くなると設定完了です。 この状態でレンダリングするとフォトンマッピング、ファイナルギャザー、レンダリングバケット全てがレンダリングノードに小分けで転送されるようになります。（レンダリングノードでメモリ使用量やネットワークの受信パケット数を観察すると分かります）
https://w.atwiki.jp/butubutuhitori/pages/292.html
ネットワーク。。。 一台のホストコンピューターと複数のクライアント。。。 システムから。。。 インターネット。。。 複数のホスト。。。複数のクライアント。。。 経路も多重化。。。 コンピューター 単一のＣＰＵから複数のＣＰＵへ。。。 業務用になると。。。 ＨＤＤも多重化。。。バックアップ信頼性向上。。。 さらに。。。 複数の物理コンピューターで処理を分散。。。 負荷を分散。。。信頼性もアップ。。。 さらに。。。 スーパーコンピューター ○千～万個のＣＰＵ。。。 ○千～万個のＨＤＤ。。。 。。。いろいろな部品のインターフェイス。。。 共有工夫して。。。 一台の巨大な論理コンピューターとして機能させている。。。 そして。。。 その強力な計算能力を。。。 効率的に使うために。。。 一つの論理システムの下に。。。 沢山の仮想システムが作られ。。。 負荷をシェアしている。。。 昼間多くのリソースを要求するシステム。。。 夜間多くのリソースを要求するシステム。。。 恒常的にリソースを要求するシステム。。。 変動幅が大きくリソースを要求するシステム。。。 。。。。。。。。。。。。。 企業。。。 持ち株会社。。。複数の実行会社。。。 。。。。。。。。。。。。。。。。 最初は集中管理システムを目指す。。。 システムが巨大化する。。。 細部まで管理が行き届かなくなる。。。 破たんする。。。 複数の小さな自律システムを構築し。。。 権限を委譲し。。。管理運営。。。を任せる。。。 そして。。。 複数の自律システムをいかに連携させていくか。。。 こんな流れが最近ある。。。 組織から個人へ。。。 組織は。。。森を作ること。。。 自律システムを一台のホストで低い稼働率で使うのか。。。 自律システムを複数のホストで稼働率高く使うのか。。。 どう活かしきるのか。。。 個人は。。。木を作ること。。。 自律システムへの脱皮を要求される。。。 何を提供するのか。。。 木なくしては、森は成立しない。。。 絶対。。。 分散。。。木の時代。。。 個人の時代が来る。。。 でもその道は厳しい。。。 と思う。。。
https://w.atwiki.jp/touhoumtg/pages/279.html
分散する悪魔／Disperse Devil 分散する悪魔／Disperse Devil(１)(B) クリーチャー - 吸血鬼 分散する悪魔ではブロックできない。 分散する悪魔を生け贄に捧げる：飛行を持つ黒の1/1のコウモリ・クリーチャー・トークンを１体戦場に出す。 2/1 参考 紅魔郷-コモン
https://w.atwiki.jp/fantasycommunication/pages/128.html
■戦力を分散する愚をおかさず（第四十一話） 戦力を集中するという原則が戦略の原則の一つである。 集中の原則であり、戦力を適所に集中して運用することで初めて戦闘力を効果的に高めることができる この場合、ハママツさんを追撃する部隊と、ナガシノとシタラとを対応する部隊に分けず、ナガシノとシタラのみに全戦力を 集中したと言う事である。 ー戦闘騎は戦闘力を持たないハママツの追撃より、脅威度の高い方へ戦力をシフトさせた。 戦力を分散する愚をおかさず、ナガシノとシタラに全戦力をあてて、各個撃破を狙いだしたのである。 （第四十一話）
https://w.atwiki.jp/sevenlives/pages/2085.html
CORBA DCOM? REST UDDI
https://w.atwiki.jp/rmemo/pages/18.html
度数分布表からの平均の求め方 度数分布表からの分散の求め方 度数分布表からの平均の求め方 成績データを確認 seiseki [1] 50 82 70 54 75 72 70 33 80 52 98 73 62 73 43 86 93 85 61 [20] 89 98 28 87 100 50 87 66 82 85 70 75 グラフは描かずに度数分布表だけを作る x -hist(seiseki,plot=F) ｘに入った度数分布データを確認 x $breaks [1] 20 30 40 50 60 70 80 90 100 $counts [1] 1 1 3 2 6 6 8 4 $intensities [1] 0.003225806 0.003225806 0.009677419 0.006451613 0.019354839 0.019354839 [7] 0.025806452 0.012903226 $density [1] 0.003225806 0.003225806 0.009677419 0.006451613 0.019354839 0.019354839 [7] 0.025806452 0.012903226 $mids [1] 25 35 45 55 65 75 85 95 $xname [1] "seiseki" $equidist [1] TRUE attr(,"class") [1] "histogram" ##$midsに入っている各階層の中央値 seiseki_mids -x$mids ##$countsに入っている各階層の度数 seiseki_counts -x$counts ##各階層の中央値と度数をかけて合計（内積で代用） seiseki_mids%*%seiseki_counts [,1] [1,] 2205 ##1/nをかける（データ数で割る） 2205/length(seiseki) [1] 71.12903 mean(seiseki)##本当の平均 [1] 71.90323 度数分布表からの分散の求め方 z -(seiseki_mids-mean(seiseki))##（階層値－平均） z [1] -46.903226 -36.903226 -26.903226 -16.903226 -6.903226 3.096774 13.096774 [8] 23.096774 z -z^2##（階層値－平均）の2乗 z [1] 2199.91259 1361.84807 723.78356 285.71904 47.65453 9.59001 171.52549 [8] 533.46098 seiseki_counts%*%z ##度数×（階層値－平均）の2乗の和 [,1] [1,] 10154.06 10154.06/length(seiseki) ##1/nをかける（データ数で割る） [1] 327.5503 sampleVar(seiseki) ##本当の分散 [1] 335.2487 →國友直人（1992）『経済学入門シリーズ 現代統計学（上・下）』（日経文庫）へもどる
https://w.atwiki.jp/j_lecture/pages/49.html
並列分散処理入門【演習】･･･2年/CS/選択 lecture01 - 07/09/24 lecture02 - 07/10/03 lecture03 - 07/10/10 lecture04 - 07/10/17 lecture05 - 07/10/24 lecture01 - 07/09/24 課題をやること（汗 lecture02 - 07/10/03 ？ lecture03 - 07/10/10 URLの操作。 SiteSelectorを改造すること。 lecture04 - 07/10/17 ソケットをつかった通信プログラム。 クライアントとサーバーでチャットできる。 課題は、複数のサーバーと１つのクライアントでの操作。 lecture05 - 07/10/24 コメントどうぞ♪ 名前 コメント すべてのコメントを見る 担当：mica@管理人 Last Update 2007年10月17日14時00分21秒
https://w.atwiki.jp/sevenlives/pages/1149.html
DTPモデル