約 467,616 件
https://w.atwiki.jp/angel_in_the_box/pages/47.html
ラボ研第3章 目次 3.比較実験結果およびその考察3.1.実験実施の概要 3.2.実験結果①結果の概観 ②統計的検定による各水準の特性値の比較 ③適用数値の母集団分布の推定（ラボなし） ④適用数値の母集団分布の推定（ラボマスター） ⑤ラボによる適用数値上昇効果の定量化 3.比較実験結果およびその考察 3.1.実験実施の概要 2008年2月1日 8 31-12 45にかけて比較試験を実施した．各水準の実験実施日時を表3.1に示す．実施場所はブルーミングコーラであった．実験は予定通り各水準100スロットずつ，合計300スロットの成長合成を行った．感知および幸運ステータスを含む，成長合成時ステータスを表3.2に示す． なお，実験の間にメンテナンスはなかった． 表3.1 実験実施日時 水準 水準1 水準2 水準3 日時 2008年 2月1日 2008年 2月1日 2008年 2月1日 07 31～07 50（50スロット） 09 31～09 45（50スロット） 11 31～11 45（50スロット） 08 31～08 45（50スロット） 10 31～10 45（50スロット） 12 31～12 45（50スロット） 表3.2 成長合成時ステータス一覧表（装備・スキル込み） 水準 攻撃 命中 敏捷 MP 魔力 魔防 所持 感知 幸運 HP 防御 回避 水準1 378 72 3 740 66 78 11260 22 100 780 84 5 水準2 378 72 3 740 66 78 11260 22 100 780 84 5 水準3 586 80 3 1025 57 173 11260 113 100 1230 100 7 3.2.実験結果 ①結果の概観 各水準100スロット分の成長合成の結果は，付表3.1に示す．各水準の成長合成の結果から計算した特性値を表3.3に示す．同表には，適用数値の理論上の範囲をあわせて示す．また，表3.4に各水準の度数表を，図3.1にヒストグラムをそれぞれ示す．まず，表3.3を見ると，各水準の成長合成値の平均は41-43，標準偏差は9.5程度であり，最大値は70-72，最小値はいずれも30である．平均は水準2 水準3 水準1の順で大きいが，水準2と水準1の平均の差は高々1.80である．どの特性値についてもさほどの差は見られないようだ．続いて表3.4および図3.1を見る．水準2はややいびつな形をしているが，どの水準においても，最低値付近の度数が大きく，高い数値ほど度数が小さくなって行く傾向がある．ここでも，各水準の間に一目でわかるほどの明確な差は認められない． 表3.3 成長合成結果の特性値 特性値 水準1 水準2 水準3 理論上 サイズ n 100 100 100 - 平均 xバー 41.30 43.10 42.71 - メディアン Me 39.00 43.00 41.50 - 標準偏差 s 9.27 9.88 9.71 - 最大値 max 71 70 72 78 最小値 min 30 30 30 30 範囲 R 41 40 42 48 表3.4 成長合成結果の度数表 No. 区間 中心値 度数 水準1 水準2 水準3 1 30-34 32 28 30 25 2 35-39 37 24 10 20 3 40-44 42 17 17 16 4 45-49 47 12 14 12 5 50-54 52 5 16 14 6 55-59 57 10 7 9 7 60-64 62 3 5 2 8 65-69 67 0 0 1 9 70-74 72 1 1 1 10 75-79 77 0 0 0 計 100 100 100 図3.1 成長合成結果のヒストグラム 百分位グラフを図3.2に示す．このグラフは，（サンプリングしたデータから求められる）ある数値以下の適用数値の出る確率を表している．（例えば図3.2で，水準1の確率0.5に対応する適用数値は39であるから，39以下の適用数値となる確率が50%ある，という意味である．）適用数値の小さい領域および大きい領域では，いずれの水準のプロットもほぼ同じ位置にあるが，適用数値が中程度の領域（図中の矢印の範囲）では，水準1に比べて水準2および水準3のプロットがやや右寄りにある（右にある，ということはより良い適用数値が出やすいことを意味する）．このことは，ラボの効果が適用数値範囲全体にわたって作用するものではなく，一部の領域に限られる可能性を示しているともいえる． 図3.2 成長合成結果の百分位グラフ ②統計的検定による各水準の特性値の比較 ①では，グラフ等を用いて結果の概観をとらえた．ここでは，統計的検定の手法を用い，各水準間の差について客観的な比較を試みる． 本研究では，ラボ習得による比較，およびラボの感知ステータス依存性の確認，この2点が目的であった．すなわち，水準1と水準2，および水準2と水準3を比較すればいいことになる．各水準の平均・分散（標準偏差）に差があるかどうか，検定した方法と結果を表3.5に示す． ここでは大標本(n≧100)のため，母集団の正規分布を仮定した検定方法を採用した．（念のため，母集団の分布を仮定しない「マン・ホイットニーのU検定」も行ったが，検定結果は同一であった．（さらに括弧書きを加えるのならば，私はU検定に関する正確な知識は持ち合わせていないことを記しておく．））どの検定においても，水準間の差は認められなかった．これらから，次のことがいえる． ラボ未習得の状態とマスターの状態での，成長合成の適用数値に意味のある違いがあるとはいえない．（違いがないといっているわけではない．） 共にラボマスターで低感知状態・高感知状態での，成長合成の適用数値に意味のある違いがあるとはいえない．（違いがないといっているわけではない．） わざわざ「違いがないといっているわけではない」などという括弧書きを加えたのには，もちろんわけがある．統計的検定には，およそ次のような性質がある． 基本的に，「差がある」という結果を得たい（という欲求がある）． そのため，「差がある」という結果は積極的に認める． 「差がない」という結果は，「差があることを積極的に認めるべき理由がない」ということの裏返しであり，「差があるということを認められないため，とりあえずは差がないという仮定を保留しておく」というニュアンスである． 表3.5 各水準間の特性値に関する検定方法とその結果 さて，イキナリ「ラボ意味無し」フラグが立ってしまいそうだが，ここでその結論を得るのはいささか早計であろう．今一度，①の図3.2を振り返ってみると，水準2と水準3に差がありそうには思えなかったが，適用数値の範囲の中間領域において，水準1と水準2・水準3の間に差がありそうな気配があったはずである．成長合成の適用範囲全体では意味のある差を見つけられなかったが，領域を限定すれば差を認められるかもしれない．感知ステがラボの効果に関与していないことは，これまで見たデータから確かでありそうなので（水準2と3では攻撃・命中・MP・魔力・魔防・HP・防御・回避も異なるが，これらの影響もなさそうである），水準2と水準3の結果を統合してこれを新たに水準2 (n2 =200)とする．表3.5の結果より，水準1の区間[a,b]と水準2 の区間[a,b]の平均は，どちらも同じになるはずである．そこで，各水準の区間[36,54]のデータを抽出したものに，マン・ホイットニーのU検定を適用した結果を表3.6に示す．これにより，適用数値の中間領域では，ラボ習得状態の差によって，適用数値に差があることが示せた． 表3.6 区間抽出データの検定方法および結果 抽出元水準 抽出データ サイズ 平均 検定方法 検定結果（有意水準α=0.05） 水準1 区間[36,54]に含まれるデータ 55 42.07 マン・ホイットニーのU検定 両者の平均値は異なる 水準2 113 44.92 ③適用数値の母集団分布の推定（ラボなし） 本研究で行った実験は，限られた条件における一結果に過ぎない．しかしながら，本試験の結果は，ラボの効果に関して手順立てて検討を行った貴重なデータであろう．本実験結果を他の状況で使用しやすくするためには，適用数値の母集団分布について推定することが望ましい．適用数値の母集団の分布関数を推定することができれば，本実験結果の汎用性は飛躍的に向上するであろう． まずは，ラボ未習得状態の水準1について推定する．母集団分布を推定するために代表的な分布への当てはめを行うわけであるが，どのような分布が適当であるか考える上で，次のような点を考慮する． 成長合成の結果は整数値であるから，適用数値は離散型の確率変数である．しかし，問題を簡単にするために連続分布への当てはめを行う． 適用数値は，その上限値・下限値が与えられているため，一定の範囲内に（ほぼ）すべての値を収められる分布であることが必要である． 幸運ステ値により成長合成の結果は上限値・下限値を守った上で変動するはずであるから，分布の母数は2つ以上必要であろう．（上限・下限・平均の3つの母数か？） 今回は，これらの考慮の結果いくつかの分布を選定し，ラフに当てはめを行った結果，最も一致の程度の良かったワイブル分布を採用することとした．ワイブル分布は母数を3つ持ち，その分布関数F(x)は次のとおりである． ここで，X=ln(x-a)，Y=ln[-ln{1-F(x-a)}] と変数変換を行うと，Y=kX-klnbを得る（lnは自然対数を表す）．すなわち，横軸にX，縦軸にYをとり，ワイブル分布に従うデータをプロットすると一直線上にデータがのり，直線の傾きと切片から母数k，bを得ることができる（ワイブル・プロット）．水準1のデータを用い，ワイブル・プロットを行った結果を図3.3に示す．ワイブル・プロットから母数aを得ることはできないため，Excel(3)のソルバーを用いてワイブル・プロットの回帰式の決定係数が最大となるようなaを求め，その値を採用した．回帰式の決定係数r^2=0.960であり，データが直線と良く一致していることがわかる．求められたワイブル分布の分布関数と水準1の百分位グラフを重ねた図を図3.4に示す．実験データと推定分布関数はかなりよく一致しているが，適用数値が60程度以上の領域ではややアウトパフォーム（出現確率を大きく見積もり気味）である．また，推定分布関数では，適用数値が30を下回る確率・適用数値が78を超える確率が共に0.7%程度存在する．適用数値が最高を超えることもあるようであるが，0.7%は大きすぎであろう．最低値30を下回る場合は適用数値30とみなせばよい．実験データの平均・標準偏差と推定分布から得られる平均μ・標準偏差σを比較すると，データ(41.30，9.27)に対し，推定分布関数(41.59，10.3)である．推定分布の標準偏差が大きいのは，適用数値の高い領域のアウトパフォームが原因と思われる．なお，実験データに対して母分散（σ1^2=(10.3)^2）のχ2乗検定，および母平均（μ1=41.59）のｔ検定を有意水準α=0.05で行ったが，母標準偏差は10.3と異なるとはいえない，母平均は41.59と異なるとはいえない，という結果であった． 図3.3 水準1のワイブル・プロット 図3.4 水準1データと推定されたワイブル分布の比較 (3) Microsoft® Office Excel 2003; 米Microsoft社の表計算ソフト ④適用数値の母集団分布の推定（ラボマスター） ラボマスターの水準2 （水準2+水準3）についても適用数値の分布関数の推定を行う．水準1のデータがワイブル分布とよく一致したので，水準2 に対しても同様の当てはめを行ってみる．その結果が図3.5および図3.6である．ワイブル・プロットの回帰式の決定係数はr^2=0.948とかなり高いが，図3.6ではデータのプロットとややずれがある．推定された分布の標準偏差σ=13.0は水準2 の標準偏差s=9.77とはかなり差があり，χ2乗検定では有意水準α=0.01でも水準2 の母標準偏差σ2 ≠13.0との結果を得る．ラボ習得時には，ワイブル分布では十分な近似ができないようである． 図3.5 水準2 のワイブル・プロット 図3.6 水準2 データと推定されたワイブル分布の比較 水準2 のデータにその他の分布の当てはめも行ったが，（私の知る）どの分布でも良い近似を得ることができなかった．そこで，③で推定した分布を修正する形で，水準2 の分布関数の推定を行うこととした．これまでの検討で，水準2 は適用数値の小さい領域および大きい領域では水準1と差が見られないが，中間領域ではより良い数値が出やすい，という結論を得ている．そこで，分布関数の修正を次のような仮定の下で行った． 水準1の推定分布関数で定義される分布よりxなる実現値を得る． A＞0，0＜SL≦xULなる定数A，SL，xULを考える． x≦xULのときz=x+A(x-SL)=(1+A)x-SL×Aなるzを合成結果とする． x＞xULのときz=xなるzを合成結果とする． この仮定の意味は，水準1と同じ方法で1回仮の合成値xを得たとき，その仮の合成値が一定の数値xUL以下なら仮の数値を割り増した数値（仮の合成値が大きいほど割り増しも大きい）を最終的な合成値とし，仮の合成値が一定の数値より大きければその数値をそのまま最終的な合成値とする，ということである．割り増しを仮の合成値の大きさで変化させることにより適用数値の低い領域での割り増し効果を少なくし，適用数値の小さい領域での水準2 の振る舞いと整合させ，また，割り増しを一定数値以上で行わないことで適用数値の高い領域での整合性を確保できるのではないかと考えた結果，このような手順を仮定した．この仮定手順により得られる適用数値zの分布関数FCL(z)は次のようになる． 30-78の各整数点上において，水準2 のデータと上式計算値の差の平方和が最小となるようにExcelのソルバーでA，SL，xULを求め，水準2 と上式で与えられる推定分布関数と比較したのが図3.7である．図3.6より一致の程度がかなり改善した．ただし，水準1と同様に適用数値60程度以上ではややアウトパフォームが見られる．推定分布関数で定義される分布の平均μおよび標準偏差σはそれぞれ43.00，10.5であり，水準2 のそれ(42.91，9.77）との間に検定による有意差（有意水準α=0.05）は認められない．（推定分布関数の平均・標準偏差は理論値ではなく，台形公式を利用した数値計算結果であるので，ある程度の誤差が含まれているであろう．） 図3.7 水準2 データと修正した推定分布関数の比較 ここで，FCL(z)の各定数A，SL，xULの意味するところについて考えてみる．Aは適用数値の割り増し係数（倍率）である．倍率であれば，TSのラボ以外のスキル計算式から経験的に，ラボマスター時のスキル説明にある「合成適用度増加値：65%」とある「65%」なる数字が計算に使用されるであろう．A=B×65÷100=0.3460とするとB=0.5378，これではステと関連付けるには小さすぎるので，A=B ×0.65÷100とおけばB =53.78である．多くのスキルで何らかのステ値をCとしてB =(C-49)で表現されているので，ここでもこの式を採用するとC=102.78となる．本実験で102.78に近いステを探すと（表3.2参照）幸運が100である．そもそも，ラボの効果が何らかのステに依存するかどうかさえ不明（感知依存性他，いくつかのステ依存性は本実験で否定したが）であるから，これは恣意的に数値を操作した結果，あるいはたまたま偶然の結果であることを否定しない．しかし，実験データによく当てはまるような関数形を選択したら，その関数形の定数がステータスと関係しそうな数字であったという一致は，実に興味深い結果といえるであろう．次いでSLを考える．適用数値の最低値（本実験では30）で割り増し効果が0になるとすると，SL=30である(z=x+A(x-SL)よりx=30でz=xならばSL=30)．計算により算出したSL=32.18であるから，そこそこ近いものがあるといえる．xULは適用数値の割り増し限界（限界上限）である．xUL=49.43あるいはxULに相当するzUL=(1+A)xUL-SL×A=55.46の意味するところはなかなか難しいものがあるが，例えば(30+78)/2=54（適用数値範囲の中心），30×(1+0.65)=49.5（最低値の65%増し），78×0.65=50.7（最高値の65%）などの数字が考えられよう． ⑤ラボによる適用数値上昇効果の定量化 ラボ習得（マスター）による成長合成の適用数値上昇効果について，若干の面から定量的表現を試みる．ただし，ここで行う定量化は，実験条件と同一の条件下で成長合成を行った場合の効果に関しての定量化にとどまる． 表現1 母平均の差の推定： 水準1の母平均μ1と水準2 母平均のμ2 の差(μ2 -μ1)を推定すると，信頼係数95%で[-0.67, 3.92]である．これは，95%の確率で(μ2 -μ1)の真の値が-0.67～3.92の間に存在するであろうことを意味する．すなわち，ラボ習得により適用数値の平均値が-0.67～3.92上昇することが95%の確率で期待できる． 表現2 ある範囲の適用数値の出現確率： 推定された分布関数を用いてある一定範囲の適用数値の出現確率を比較する．図3.8および図3.9にラボ未習得およびラボマスター時の分布関数と一定範囲の適用数値の出現する確率を示す．両図より，ラボ習得によって適用数値44以下の出現確率が減少し，その分適用数値50-57の出現確率が増加しているのがわかる．その減少・増加確率は，およそ10%である．適用数値57以上の領域では，ラボの効果はない． 前の章へ / 次の章へ トップページ ラボ研トップ 最終更新：2008-02-06 22 21 38 (Wed)
https://w.atwiki.jp/tkoolds/pages/47.html
718 名前： こくないのだれか 投稿日： 2010/03/14(日) 10 00 48 ID j4ODxSUYO 【作品名】夢魔の悪戯Ⅱ 【作品方式】DP 【作者名】allumage 【モンスターグラ】リアル 【フレコ】0346－1412－6695 【作品クリア時間】あてにならない。 【作品紹介】 前作をベースに大幅に改良を加えた作品です。 GBAになかった機能を沢山詰め込んでみました。 確率分岐を活用し、2周以上 楽しめるようにしました。 改良点が多くて長くなってしまうので最後にこれだけは… お前らの大好きな「あれ」も盛り込んでみた。 コンテストに出すつもりなのであれに 著作権とかありそうだったら変えるかも。 【作品受け渡し時間】今から〆まで。 【無断再配布の可否】可 感想 名前
https://w.atwiki.jp/suffix/pages/1077.html
http //ja.wikipedia.org/wiki/%E3%82%A4%E3%83%BC%E3%82%B5%E3%83%8D%E3%83%83%E3%83%88#.E4.B8.80.E8.A6.A7.E8.A1.A8 のイーサネット一覧表を参照のこと。 数値-BASE-XXとなっている場合の意味合いは以下の通り。 数値部分は伝送速度を表す。 BASEの意味は、ベースバンド伝送方式であるということ。 ベースバンド伝送とは信号を変調しないで伝送する方式で、 対してデータを搬送波に載せて伝送する方式としてブロードバンド伝送方式がある。 XXの部分はケーブルの種類を表す。TならUTP,F・SX・LXなら光ファイバー,CXならSTP等。 参考： H23年午後1問1ネットワークスペシャリスト試験
https://w.atwiki.jp/stools/pages/15.html
1. 基本統計量による数値要約 統計解析を行うとき，まず第一に行うことは，データの要約である． データはいくつかの数値に要約でき，この数値を統計量という． 統計量の代表として，次のものがある． 分布の中心位置を示す指標 平均値 (Mean) 中央値 (Median) 分布の広がりを示す指標 範囲 (Range) R = 最大値 - 最小値 分散 (Variance) 標準偏差 (Standard Deviation) 分布の形を示す統計量 歪度 分布の対称性を示す指標 尖度 分布のすその長さを示す指標 2. パーセント点による数値要約 データの分布を表現するものに，パーセント点(percentile)がある． 100p%点とは，その値以下の割合が全体の100p%となる数値を指す． 3. 質的データと量的データ
https://w.atwiki.jp/minaovo2015/pages/12.html
投票権一覧 投票権の種類 1票あたりの価格 数量 特徴 モバイル会員 324円 4 1端末あたり4票までだが一番安価 二本柱の会会員 初年度：1,480円次年度以降：630円 登録した分 開封の手間がないので、速報向き翌年以降は2番目に安価 劇場盤 1,000円 購入した分 開封の手間がかかる生写真、握手券を考えるとコストパフォーマンスがいい 初回限定盤・通常盤 1,646円 購入した分 開封の手間がかかる店舗販売なので、速報までに入手できるか不透明 DMM月額会員 3,066円 1 忘れがちなので注意 AKB Official NET 4,105円（税込）～ 1 オフィシャルプロバイダ
https://w.atwiki.jp/bandlife/pages/23.html
～共通認識～ ※「★」の位置がその人の度合い（まだまだざっくり。相対的に決めていく） ※多少レイアウトが崩れても気にしないでどんどん入れていこう。 格言＝「混沌とするかもしれない、異論があるかもしれない、足りなければ、ただ広げるだけ」（by佐々木健介（笑）） 百聞は一見にしかず！↓ 性格分布図 激情（笑） ↑ ｜ ★you ｜ ｜ ★ケン・レノン（１０代） ｜ ｜ ｜ ｜ ★ケン・レノン（現在） ★Ｉ田氏 ｜ ｜ ｜ ★Ｋ山君 常識人←－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－→革命家（笑） ｜ ★マクベ ｜ ｜ ｜ ｜ ★Ａｋｉ！ ｜ ★ムッシュ ｜ ｜ ★○ッ○ー ｜ ｜ ↓ 温厚 （ケン・レノン １１．０７．０８） 音楽スタイル分布図 技巧的 ↑ ｜ ｜ ｜ ｜ ★Ｋ山君 ｜ ｜ ｜ ｜ ★you ｜ ★Ａｋｉ！ ｜ 感覚派←－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－→理論派 ｜★ムッシュ ｜ ★○ッ○ー ｜ ｜ ｜ ★ケン・レノン ★Ｉ田氏 ｜ ｜ ★マクベ ｜ ｜ ↓ 情動的 （ケン・レノン １１．０７．０８）
https://w.atwiki.jp/mj63/pages/31.html
言わずと知れた廣瀬さんの科目。サンプリングデータを元に推定を行う。2年後期の確率論の基礎的な知識が必要。 講義内容 最小二乗法 相関係数・決定係数 二項分布・指数分布・ポアソン分布・多項分布の推定 最尤値・標準偏差・信頼区間 不完全データの推定 中間テスト 最小二乗法 期末テスト 中間レポート
https://w.atwiki.jp/kohei-hasegawa/pages/99.html
5-5.他にもいろいろあります ここでは，細かく紹介するまで使用頻度が高くはありませんが，その存在を知っておくと便利なmatplotlibの機能を簡単に紹介します． (1)信頼区間/面グラフを描画する 信頼区間とは，特定の確率でデータが含まれる範囲を指しますが，これにはfill_betweenが有効です．Axes.plotと合わせることで面グラフを作ることも可能です． axes. fill_between ( x, y1, y2=0, where=None… **kwargs ) 棒グラフを作成します． x，y1，y2で描画する範囲を指定します． whereは描画をしないx範囲を指定します． kwargsはcolorやedgecolor,linewidthなどの体裁オプション群を指します． Alphaオプションで塗りつぶしの濃淡を表現できます． (2)好きなところにグラフを配置する 先程提示した図の中に小さなグラフがあります．これは，plt.axesという関数を使っています．ズームしたグラフをグラフの中に作成するで紹介した方法もありますが，グラフの縮尺が元のグラフに依存してしまう問題があります．plt.axesは好きな場所に好きな大きさでaxesオブジェクトが描画できるのでおすすめです．なお，これはオブジェクト記法では使えないので注意してください．この関数で生成したオブジェクトに対してmark_insetを使用することで引き出し線を書くこともできます． matplotlib.pyplot.axes（arg = [left, bottom, width,hight ]…） argとして[x位置，x位置，長さ，高さ]に従ったaxesを生成します． (3)軸線の表示を操作する グラフを作成する際にY軸全体やその一部を消したいという要望が時々あります．この時はオブジェクト指向で体裁を整えるで紹介したオブジェクト一覧を見直してください．軸線はspinesというオブジェクト名が指定されていました．これを操作したい際にはaxes.spines["place"]を指定し，以下のような編集を行います． axes.spines["left"].set_visible(False) → 左軸を消す axes.spines["bottom"].set_bounds(1960,2020) → 下軸を20から80の範囲だけ表示する (4)直線を引く グラフを書く際に特定の範囲を縦線or横線で区切りたいということがあります．これは，vlinesとhlinesで実現できます．Vはvertivcal（垂直），hはhorizontal（水平）方向をそれぞれ意味します．vlinesの使用例が次ページのグラフです．これの矢印板としてarrowもあります． Axes.vlines(x, ymin, ymax, colors= k , linestyles= solid , label= , *, data=None, **kwargs) 指定したx地点においてyminからymaxを結ぶ縦線を記述します． Axes.plotと同様に線のスタイルやラベル貼り付けが可能です． Axes.hlines(y, xmin, xmax, colors= k , linestyles= solid , label= , *, data=None, **kwargs) 指定したy地点においてxminからxmaxを結ぶ縦線を記述します． Axes.plotと同様に線のスタイルやラベル貼り付けが可能です． (5)折れ線の確率密度を示す これも先程のhlinesを使います．時々，折れ線の特定の地点xにおけるデータのばらつきを示すために横向きになった確率分布を重ねることがあります．hlinesはグラフに1本の横線を引く関数でしたが，これの描画範囲をyについて究極に微分していけば横向きの確率密度を示すことが出来ます．確率の大きさはxminとxmaxの差がそれを表現します．確率密度を最も簡単に計算する方法にscipy.statsがありますが，話がやや脱線するのでここでは説明しません．ポアソン分布のような離散的なものの場合は通常設定では線が細すぎるため，引数のlinewidthを大きくしてあげることで表現が出来ます． (6)凡例を自作する グラフを作成する際に引数として label=” ”を入れ，ax.legendを呼び出すことで自動的に凡例を作成することが出来ますが，これでは都合が悪いことがあります．このときにはlines.Line2Dを使って凡例を自作しましょう．これを使うには matplotlib.linesのimportが必要な点に注意しましょう．とんでもない数の引数がありますが，要は折れ線(lines)や散布図(marker)のオブジェクトを作っていると考えてくれればいいと思います． matplotlib.lines.Line2D(xdata, ydata, linewidth=None, linestyle=None, color=None, marker=None, markersize=None, markeredgewidth=None, markeredgecolor=None, markerfacecolor=None, markerfacecoloralt= none , fillstyle=None, antialiased=None, dash_capstyle=None, solid_capstyle=None, dash_joinstyle=None, solid_joinstyle=None, pickradius=5, drawstyle=None, markevery=None, **kwargs) 長すぎるので説明は省略． 例えば，3つ前の凡例は以下のように作っています． 凡例の自作 （凡例描画部だけを抜粋） Import matplotlib.lines as mlines #凡例オブジェクトの作成#最初の[ ], [ ]は xdata, ydataに相当し，複数作成しないことを意味している．Marker = mlines.Line2D([], [], color= blue , marker= o , linestyle= None ,markersize=5, label= Install / Replace )Break = mlines.Line2D([], [], color= r , marker= X , linestyle= None , markersize=5, label= Break )Truncated = mlines.Line2D([], [], color= goldenrod , label= Left-truncated , linestyle="--")Recorded = mlines.Line2D([], [], color= blue , label= Recorded ,linestyle="-")Censored = mlines.Line2D([], [], color= blue , label= Right-censored ,linestyle="--") hand_lab = [Marker,Break,Truncated,Recorded,Censored] #凡例の描画#handleは凡例として描画するグラフオブジェクトのリストを意味する#ncolは凡例の列数，mode=”expand”はfigureオブジェクト全体に凡例を広げるという意味fig.legend(handles=hand_lab,edgecolor="k",ncol=3,loc="upper center",mode="expand") 課題7へ
https://w.atwiki.jp/saikinmm/pages/339.html
Tシャツとか身につけるもの以外のグッズをそこそこの種類買うとだいたい幾らぐらいですか？ 61 名前：名無し募集中。。。[] 投稿日：2011/01/22(土) 00 15 19.52 0 春東京公演が出たら初めて行こうと思ってるんですけど Tシャツとか身につけるもの以外のグッズをそこそこの種類買うとだいたい幾らぐらいですか？ 65 名前：名無し募集中。。。 [] 投稿日：2011/01/22(土) 00 17 46.38 0 （略） 61 身につける物以外というと ・DVDマガジン 2500 ・ビジュアルブック 2000 ・コレクションピンナップポスター 500 ・コレクションメッセージ付き生写真 500 ・メンバー別日替わり写真 500 ・あととにかく写真の類 こんなもんかな 71 名前：名無し募集中。。。 [] 投稿日：2011/01/22(土) 00 20 20.27 0 >>65 ありがとうございます DVDマガジンみたいにシリーズ化されてるのって会場で揃えて買えたりできますか？ 日替わりの写真もあるんですね悩ましいな 74 名前：名無し募集中。。。 [] 投稿日：2011/01/22(土) 00 22 33.82 0 >>71 過去のやつは基本買えないと思ってた方がいい 最近は過去の在庫フェアみたいのもやってたりするから運が良ければ 77 名前：名無し募集中。。。 [] 投稿日：2011/01/22(土) 00 24 17.96 0 >>74 ありがとうございます 運が良ければですね 編注 9/29・30の武道館公演では 普段売ってないようなものも含めた在庫フェア風グッズ販売もあるみたい 関連 モーニング娘。のDVDマガジン 82ハマリ ［2011年］
https://w.atwiki.jp/qmarikei/pages/21.html
問題文 解答 揃刀(せんとう以外の読み方) はさみ 鱗茎 りんけい 朱鷺 トキ 秋霖 しゅうりん 冨松彰 とみまつあきら 曲直部寿夫 まなべひさお 窒扶斯 チフス 肉刺 まめ 臍帯血 さいたいけつ 銹病 さびびょう 極相 きょくそう 莢 さや 鰓 えら 誘蛾灯 ゆうがとう 鉄葉 ブリキ 夕星 ゆうづつ 黄色い花を咲かせるキク科の多年草です「石蕗」 つわぶき その名前は太陽が苦手なことから来ている、モグラ科の哺乳類「日不見」 ヒミズ 2009年に文化功労者に選ばれた日本を代表する免疫学者です「審良静男」 あきらしずお チンチンチンと鳴くコオロギに似ている昆虫「鉦叩」 カネタタキ 鳥類では、ここが生物時計として働くと考えられています「松果体」 しょうかたい 心配事が多い人は胃にできることもあります「潰瘍」 かいよう 書物・衣類など、のりのついたものを食べる昆虫です「紙魚」 しみ 別名を「マスクサ」という植物です「蚊帳吊草」 カヤツリグサ 日本各地に分布するコイ目の淡水魚です「鰌」 どじょう アジサイはこの植物の仲間です「虎耳草」 ユキノシタ 馬酔木 あせび 虎杖 いたどり 靫葛 うつぼかずら 豌豆 えんどう 朮 おけら 山梔子 くちなし 小手毬 こでまり 辛夷 こぶし 香蕈 しいたけ 羊歯 しだ 科木 しなのき 邪払 じゃばら 西洋榛 せいようはしばみ 石蕗 つわぶき 繁縷 はこべ 母子草 ははこぐさ 波斯菊 はるしゃぎく 雛罌粟 ひなげし 藤甘草 ふじかんぞう 金縷梅 まんさく 粁 キロメートル 糎 センチメートル 粍 ミリメートル 海嘯 かいしょう 癜 なまず 林髞 はやしたかし 齧歯類 げっしるい 山楝蛇 やまかがし 鶺鴒 せきれい 明治天皇が好んだことで有名なコイ目の淡水魚です「鰉」 ひがい 蝗 イナゴ 日本だけに生息するネズミに似た小型の動物です「冬眠鼠、山鼠」 ヤマネ 7〜8月の早朝と夕方に「カナカナ」と鳴くセミです「茅蜩」 ひぐらし 北陸ではカジカ、近畿などではヨシノボリがこう呼ばれています「石伏魚」 ゴリ 体長約10cmと、日本でもっとも小さい鳥の１つです「菊戴」 きくいただき 花の形が、書道で使う墨壺に似ていることから名づけられました「菫」 すみれ オミナエシ科の植物です「男郎花」 オトコエシ その葉は、刺激を受けると急に閉じて垂れ下がってしまいます「含羞草」 おじぎそう 高さは約3m程にまで成長するが食用にも木材にも適しません「独活」 うど チューリップの別名です「欝金香」 うこんこう カタツムリを襲い、食料とすることで知られる甲虫です「蝸牛被」 まいまいかぶり 五弁のピンクの花が有名なアオイ科の植物「芙蓉」 ふよう なんとなくカワイイ名前を持つスノキ科の植物「油瀝青」 アブラチャン 大きいもので体長が2m以上にもなる、カレイに似た大型の魚です「大鮃」 おひょう 古代中国の仙人・董奉は、病気を治療した相手に植えさせました「杏」 あんず 病気の治療のため、血液を一定量取り除くことです「瀉血」 しゃけつ 女王バチで体長約4cmと日本で最大のハチです「胡蜂」 ススメバチ 2010年8月に打ち上げられるみちびきは日本初の「？衛星」？「準天頂」 じゅんてんちょう 「スズカケ」の別名を持つバラ科の植物「小手毬」 コデマリ コウボキンやトリュフもこれに分類されます「子嚢菌門」 しのうきんもん 貝殻が退化した巻貝の一種です「蛞蝓」 なめくじ 北里柴三郎の死後に北里研究所所長を務めた細菌学者「北島多一」 きたじまたいち 水に浮かんで虫を捕まえるモウセンゴケ科の食虫植物です「貉藻」 ムジナモ 鳴き声が「ぶっぽうそう」と聞こえる鳥です「木の葉木菟」 コノハズク 現在はタビラコとも呼ばれる「春の七草」のひとつです「仏の座」 ほとけのざ 宇宙航空研究開発機構が開発中の次期固体ロケットです「E」 イプシロン 小枝に似た、細長い体が特徴的な昆虫です「竹節虫」 ななふし 目から出た粘液が固まってできます「目脂」 めやに 頑丈な背びれで体を支えることができる、模様が美しい海水魚です「紋殻皮剥」 モンガラカワハギ 欧州では「赤ちゃんや幸運を運ぶ鳥」と信じられています「朱嘴鸛」 しゅばしこう 水鳥の指と指の間にあるものです「蹼」 みずかき インドネシア、フィリピンで国花になってます「茉莉花」 マツリカ 「春の七草」のひとつです「繁縷」 はこべ 2010年に膵臓がんの増殖を抑える作用があると発表されました「牛蒡子」 ごぼうし クモ、サソリ、カブトガニなどがこれに分類されます「鋏角類」 きょうかくるい 幼い頃はオボコ、スバシリ、イナなどと呼ばれる出世魚です「鰡」 ボラ 長いトゲは皮膚に食い込みやすく痛いことで知られるウニです「岩隠子」 ガンガゼ 獰猛さから「水中のギャング」とも呼ばれる、大型の昆虫です「水爬虫」 タガメ 「香りはマツタケ、味はコレ」と言われます。「湿地」 しめじ 「コガネグサ」の別名があるキク科の植物です「金盞花」 キンセンカ 雄として生まれ、成長すると雌になる、性転換をする魚です「牛尾魚」 こち 足の親指などで、変形してふちが皮膚にくい込んだ爪のことです「陥入爪」 かんにゅうそう ハタタテダイとはお互いによく間違えられる魚です「角出」 つのだし 塊根を乾かしたものは、薬にも猛毒にもなります「鳥甲」 とりかぶと 日本で広く分布する毒蛇です「蝮」 マムシ 眼神経、上顎神経、下顎神経の３つに分岐する脳神経です「三叉神経」 さんさしんけい ダンダラ、ナミ、ナナホシなどの種類がある昆虫です「瓢虫」 てんとうむし 「この蛇に噛まれると、1日以内に死ぬ」と信じられていました「日計」 ひばかり 小ぶりの黄色い花が咲く道端で見かけるキク科の植物です「鬼田平子」 オニタビラコ 内湾の泥深い干潟に穴をあけて生息する、エビに似た生物です「青竜蝦」 しゃこ 外敵が近づくと頭が尖がる習性があります「水蚤」 ミジンコ 「テングノウチワ」など多くの別名を持つ木です「隠蓑」 カクレミノ 形状の美しさを、歴史上の美男にたとえた竹です「業平竹」 ナリヒラダケ 鮮やかな色彩を持つハトの仲間です「緑鳩」 アオバト 体長約10ｃｍと、日本でもっとも小さい鳥の１つです「鷦鷯」 みそさざい 中国の伝説にちなんで「虞美人草」とも呼ばれます「雛罌粟」 ひなげし 考古化学という学問分野を開拓した、2010年に死去した化学者「山崎一雄」 やまさきかずお 「コメットハンター」として有名なアマチュア天文家「百武裕司」 ひゃくたけゆうじ 秦佐八郎 はたさはちろう 小鳥の止り木に使われる木です「接骨木」 にわとこ 自分の意思とは関係なく眼球が動く現象を「眼球○○」という？「振盪」 しんとう 日本では最大の淡水魚です「伊富魚」 いとう 「あかはら」「あかうお」とも呼ばれるコイ科の淡水魚「石斑魚」 ハタ、ウグイ 翻車魚 マンボウ 春の七草「清白」 すずしろ 海鷂魚 えい 海鞘 ホヤ 秋の七草の一つ「葛」 クズ 鰆 さわら 玳瑁 タイマイ 山原水鶏 やんばるくいな 人や動物の血を吸う種類もいる小型の動物です「壁蝨」 ダニ 漢方の生薬などに用いられる薬用植物です「甘草」 かんぞう 樹木に虫こぶを作る昆虫です「五倍子虫」 ふしむし 赤痢菌や大腸菌のように形が棒状の細菌のことです「桿菌」 かんきん 口から食べれない人に、チューブ等で胃に直接、栄養を入れる措置「胃瘻」 いろう 英語で「キャリコオランダ」と呼ばれるキンギョです「東錦」 あずまにしき 別名を「キヒバリ」というセキレイ科の鳥です「便追」 びんずい 物理学者の湯川秀樹や東洋史学車の貝塚茂樹の父親である地理学者「小川琢治」 おがわたくじ 仏教で重要視され別名を「仏前草」という植物「樒」 しきみ 2010年に佐渡トキ保護センターのトキを襲撃して問題となった動物「貂」 てん(黄鼬) 日本に生息する淡水魚の中で最も冷たい水を好むといわれます「岩魚」 いわな 恐竜は、竜盤目と○○○に分類されます「鳥盤目」 ちょうばんもく 5億年以上前にできたものと判明した、茨城県常陸太田市の地層「西堂平層」 にしどうひらそう 六連星 むつらぼし 椋平虹 むくひらにじ 股座 またぐら 曝気 ばっき 沈丁花 ちんちょうげ 加答児 カタル 鯊 はぜ 唐澤祥人 からさわよしひと 針槐 ハリエンジュ 吸綴 きゅうてつ 地縛 ジシバリ 卵割腔 らんかつこう 石蚕 セキサン 表情筋の一種・笑筋が、皮膚の組織を引っ張ることができます「靨」 えくぼ 側線 そくせん 節 ノット 蝶鮫 チョウザメ 踝 くるぶし 踵 かかと 眼窩 がんか 佐藤文隆 さとうふみたか 風信子 ヒヤシンス 小啄木鳥 こげら 海淵 かいえん 燐光 りんこう 傷寒論 しょうかんろん 海象 セイウチ 山中伸弥 やまなかしんや 夜盲症 やもうしょう 雌巻耳 メナモミ 増井光子 ますいみつこ 椿象 カメムシ 腎臓の皮質にある、毛細血管が糸玉のように集まった塊です「糸球体」 しきゅうたい 水蒸気を多く含んだ気団が張り出している部分「湿舌」 しつぜつ トゲ状の硬い毛で自らを守る動物です「豪猪」 ヤマアラシ 生えかわったばかりのシカの角をこう呼びます「鹿茸」 ろくじょう 統計学で、データから確率分布の母数を求めるために用いられます「最尤法」 さいゆうほう 漁をする習性から命名された哺乳類です「漁猫」 スナドリネコ 獲物を見つけると急降下し漁をすることで有名な鳥です「鶚」 みさご すらりとした脚の例えにも用いられる"ウシ科"の動物「氈鹿」 カモシカ 2003年にポワンカレ賞を受賞した日本を代表する数理物理学者です「荒木二不洋」 あらきふじひろ 血液が凝固するときにできる暗赤色の塊です「血餅」 けっぺい 天球上を動く天体が他の天体を隠すこと「掩蔽」 えんぺい 学研の「科学」シリーズの付録を作り続けた「学研のエジソン」。「湯本博文」 ゆもとひろふみ 切土(きりど)や盛土（もりど)によって出来る斜面部分のことです。「法面」 のりめん 金属器の表面に焼きつけるガラス質のうわぐすり。「琺瑯」 ほうろう クサカゲロウの卵のことを俗にこう呼びます。「憂曇華」 うどんげ 首の後ろの中央のくぼんだところをこう呼びます。「盆の窪」 ぼんのくぼ 紫外線が悪化の原因です。「雀斑」 そばかす 捕らえると甘い臭いを出すことから名づけられました「水馬、水黽」 アメンボ 作家の新田次郎のおじに当たる第5代中央気象台長「藤原咲平」 ふじわらさくへい 学研の「科学」シリーズの付録を作り続けた「学研のエジソン」「湯本博文」 ゆもとひろふみ アルゴ座が分割されてできた星座のひとつです「船尾座」 ともざ 「春の七草」のひとつです「菘」 すずな ホトトギスの仲間をこういいます「杜鵑類」 とけんるい 沼や池に浮かぶ緑藻の総称です「水綿」 アオミドロ 渓流のほとりに生える日本原産の植物です「山葵」 わさび ヨモギの別名です「指燃草」 さしもぐさ 月のクレーターにも名を残す電波天文学のパイオニア「畑中武夫」 はたなかたけお 月のクレーター「Nishina」に名前を残している日本の物理学者「仁科芳雄」 にしなよしお アルツハイマー病研究の第一人者として知られた医学者です「西本征央」 にしもといくお 別名を「スカンポ」というタデ科の植物です「酸葉」 スイバ 淡水産の代表的なプランクトン・ボルボックスの別名です「大鬚回り」 おおひげまわり 日本蝶類学会の初代会長を務めた昆虫学者です「五十嵐邁」 いがらしすぐる 一年で初めて聞くホトトギスの鳴き声のこと「忍音」 しのびね 統計学において、分布の非対称性を示す指標です「歪度」 わいど 斜長石、輝石、などからなる深成岩です「斑糲岩」 はんれいがん 麦魚 メダカ 薬研 やげん 満点星 ドウダン あるチョウチョに 似ていることで有名な蛾「擬鳳蝶蛾」 アゲハモドキ 池や沼の草むらに生息する 小形のトンボです「豆娘」 イトトンボ 蚊の幼虫のことです「孑孑」 ぼうふら 完全変態を行う昆虫で 幼虫から成虫に移る直前の形態「蛹」 サナギ コオロギのオス同士を闘わせる 古くからある中国の遊びです「闘蟋」 とうしつ 昆虫のアラタ体が分泌する 「○○ホルモン」？「幼若」 ようじゃく 昆虫採集では、目立つ場所に 飾られることが多いです「鳳蝶」 あげはちょう セミによく似た体を持つ 稲の害虫です 「浮塵子」 ウンカ その光沢が美しい甲虫です「吉丁虫」 タマムシ 蝶や蛾の羽に見られる 目玉のような模様のこと「眼状紋」 がんじょうもん 土の中で生活している バッタ目の昆虫です「螻蛄」 けら 日本における昆虫写真家の 草分け的な存在です「海野和男」 うんのかずお 農作物の害虫となる 甲虫の一種です「金花虫」 ハムシ 紫色に光る羽根が美しい チョウチョです「小紫蝶」 コムラサキ ルルル…という連続音で鳴く スズムシに似た昆虫 「邯鄲」 カンタン 「テングノウチワ」など多くの別名を持つ木です「隠蓑」 カクレミノ 体長約10ｃｍと、日本でもっとも小さい鳥の１つです「鷦鷯」 みそさざい 内湾の泥深い干潟に穴をあけて生息する、エビに似た生物です「青竜蝦」 しゃこ 備長炭の材料となる木です「姥目樫」 うばめがし 奄美諸島、沖縄諸島に分布する毒蛇です「飯匙倩」「波布」 ハブ マメ科の植物で、種子のはいっている殻のことです「莢」 さや 日本に最初に来た個体の背中の色から名付けられました「背黄青鸚哥」 セキセイインコ 沖縄では1月下旬に開花する「日本一早く咲くサクラ」です「寒緋桜」 カンヒザクラ ヤマノイモ・ツクネイモ・ナガイモなどがこれにあたります「薯蕷芋」 とろろいも 水族館の人気者です「海驢」 あしか 北海道以外の日本全域に生息する毒を持たないヘビです「竹根蛇」 ひばかり 「肩関節周囲炎」とも呼ばれます「五十肩」 ごじゅうかた 雄のロバと雌のウマとの交配により生まれた雑種です「騾馬」 らば 森林で、日光を直接に受けて高木の枝葉が茂る部分のこと「林冠」 りんかん イシサンゴ目の、ある色の名前が付いたサンゴです「石蚕」 みどりいし 七夕の夜に、天の川に橋を架けるといわれている鳥です「鵲」 かささぎ 助走無しでは飛び立てない大型の海鳥です「信天翁」 アホウドリ 長い鼻先が特徴的な哺乳類です「獏」 バク 英語で「キャリコオランダ」と呼ばれるキンギョです「東錦」 あずまにしき 癌、白血病などの難病が快方に向かうことです「寛解」 かんかい 肛門から墨を出すという奇妙な習性をもつ魚です「赤波馬駄」 アカナマダ 2010年10月に文化勲章を受賞した物理学者です「有馬朗人」 ありまあきと マラリアを媒介することでも知られる蚊の一種です「羽斑蚊」 はまだらか 雷が鳴るまで離れません「鼈」 スッポン 足の裏全体を使って歩行する哺乳類の歩き方の一つです「蹠行」 しょこう 「三平方の定理」を命名した東大の数学者「末綱恕一」 すえつなじょいち X線天文学の分野で世界的に名高い宇宙物理学者です「田中靖郎」 たなかやすお 2010年に200個近くのモンスター銀河を発見した国立天文台研究員「廿日出文洋」 はつかでぶんよう インターロイキン6の発見などで名高い「免疫学の世界的権威」「岸本忠三」 きしもとただみつ 細魚 サヨリ 連翹 れんぎょう 薯蕷芋 とろろいも 信天翁 アホウドリ 壁虎 ヤモリ 燕子花 カキツバタ 霊余子 むかご 錐状体 すいじょうたい 尉鶲 ジョウビタキ 伊富魚 イトウ 腓返り こむらがえり 熊田千佳慕 くまだちかぼ 蛤仔 アサリ 萍 うきくさ 胼胝 たこ 胸がむかむかして、吐き気がする状態です『悪心』 おしん 嘴 くちばし