約 1,771,089 件
https://w.atwiki.jp/hushigigensou/pages/100.html
初代不思議の幻想郷 霊夢の防御力について このグラフの赤と青の点はそれぞれ該当する防御力の盾を装備した霊夢が、衣玖さまから受けた実測被ダメージの最高値と最低値を表している。 どちらの点も指数関数的に減少しており、表計算ソフトにより防御力1あたり約3.2%ずつ実測被ダメージの最高値と最低値が減少していることが分かった。 また敵の攻撃力を霊夢の防御力が0の時の被ダメージの平均と仮定すると、衣玖さまの攻撃力は100になる。 約3.2%がコンピューターにとってキリの良い数字である1/32(=8/256)であるとし、衣玖さまから受ける被ダメージの平均値を100×(31/32)^防御力であるとする。 この推測平均値をグラフにプロットすると、実測値によく合う結果が得られた。 よって霊夢の防御力は1あたりダメージを1/32だけ減少させる(敵の攻撃力に防御力の値の回数だけ31/32を乗算する)効果があると言える。 なおもっと不思議の幻想郷では防具の防御力の計算方法が防具の基礎値＋防具の修正値ではなくなったため、少なくとも防御力自体の計算方法は変わっている。 コメント 新規ページ作ってみた。練習用ページのイメージ画像をDLしてうｐしなおしたが、ファイル名が違うままうｐしてしまったので・・・。 -- 名無しさん (2010-09-30 16 08 05) 初代トルネコは r=15/16 だったね -- らきすた (2012-08-28 09 59 47) 防御20区切りでダメージ半減程度に覚えてたら大丈夫か？初代シレンに近い防御システム。 -- 名無しさん (2012-12-10 15 15 15) 名前 コメント
https://w.atwiki.jp/kc5shi/pages/2.html
メニュー トップページ メニュー MemberMenu メンバー雑談用 伝言掲示板 戦闘と色塗り攻防技術 重要スキルの計算方法 攻城の計算一覧 攻撃力計算一覧 騎士の回復時間計算 ボスの落とす騎士等の傾向 姫騎士ガチャの当たり具合 過去のコース販売一覧 騎士育成方法 騎士育成方法(ボス偏) 初心者用サイト集 騎士育成Lv20達成後 webナイトカーニバル wiki 高速移動方法 最終決戦と新シーズン デートと新密度 各シーズンの国の色分け 騎士検索と情報まとめ方法 騎士情報整理用 スクリーンショット撮影 クルクルバグ解決方法 騎士交換情報 良質キャンペーン情報 課金キャンペーン ログインキャンペーン 音楽サイトBGM 引用参考サイト 情報検索用文字列 @ウィキ編集練習用サイト 色と国変更相談 リンク @wiki @wikiご利用ガイド プラグイン紹介 まとめサイト作成支援ツール メニュー2 ここを編集
https://w.atwiki.jp/intel_inside/pages/28.html
くど ９１０の読み方の一種。 大体のリスナー、ＤＪ友達はこれで呼んでいるというスタンダードな呼び方。
https://w.atwiki.jp/cipscips/pages/14.html
2/14 有価証券の評価 個々に発生した評価損、評価益は相殺して計上する 貸倒引当金 期末に設定する 実績法 当期の貸倒引当金見積額（A） 期末の貸倒引当金の残高（B） A B 貸倒引当金繰入 貸倒引当金 A B 貸倒引当金 貸倒引当金戻入 貸倒が発生した場合 ① 前期 当期 貸倒引当金を設定 貸倒発生 あるだけの貸倒引当金を使う ② 前期 当期 貸倒発生 貸倒損失で対応(引当金を設定していないため) ※発生時期が分からない場合は貸倒引当金を使用する。 ③ 前期 当期 貸倒損失 回収 償却債権取立益で処理する。 受託販売 受託販売で売った場合 現金 受託販売勘定 手数料の計上 受託販売 受取手数料 月末商品棚卸高の計算方法系 移動平均法 そのつどの残高と受入高の平均により払い出し単価を計算する方法 総平均法 繰越高と当期の受入高の平均により 払い出し単価を計算する方法 月別後入先出 月別と頭に付くと、そのつどではなく、月次で 考える。ボックスを書くと簡単 9/1 仕入 9/11 仕入 9/20 仕入 9/11分 払出 9/31 9/20分 払出 この場合9/1の金額が月末商品棚卸高
https://w.atwiki.jp/gangangan/pages/19.html
文字の計算と言うと、「小学校の計算より難しい」と思う人もたくさん居るでしょう。 果たして、本当にそうでしょうか？ そんなことはない、と実感してもらうのが本稿の目的です。 さて、小学校で習う九九によると、 2×3=6 2×4=8 2×5=10 3×4=12 3×5=15 となっています。 一方、中学校で習う計算では、 a×b=ab a×c=ac a×d=ad b×c=bc b×d=bd となっています。 上の掛け算は、実はちょっと複雑な記号の使い方をしています。 生まれて初めて2という記号と3という記号を見た人が、6という記号を書けるとは、到底思えません。 しかし、下のa×bという記号から、真ん中の×を取ってabという記号を作るのは、かなり簡単です。 さて、この次に 3×6=？ b×e=？ という二つの式を並べて書いてみます。 下にbeという記号が入りそうなことは簡単に想像できますが、上に18が入ることを想像するのは、 もし九九を知らなければ少し難しいと思います。 実は、掛け算の練習として最初にやっていることは、小学校で習うことよりもずっと簡単なことなのです。 まあ、そりゃあそうですよね。×という記号を省略するだけなんですから。 計算というのは、「言い換え」のことでした。 a×b=abというのも、言い換えなのですね。 言い換えといいつつ、この式が何を言っているのか考えてみると、 「aカケルbはaカケルbだ」 という、何だか情けないようなことしか言っていない訳です。 ここで、aやbという文字が何かの数を表している、としましょう。 たとえば、aが7でbが5だ、ということが分かれば、 a×b=35 というような言い換えができます。 しかし、aやbの「正体」を知らなかったとすれば、a×bが「いくつ」になるのか、言い換えの方法がありません。 そうすると、「aカケルbはaカケルbだ」という当たり前のことしか言えないのです。 さて。 一般論として、文字の計算をするときは、じつは「当たり前のこと」しかできないのです。 たとえば、x+yという式があったら、この式に「ヒント」みたいなものがなければ、 「x+yはx+yだ」としか言うことができないのです。 まあ、 x+y=x+y+0 とか x+y=x+(y×1) みたいな、あんまり意味のない言い換えをすることは可能ですが、そういうものを除くと何も言えない訳です。 ここで、x+x+xという式があったとすれば、xがどんな数であったとしても、 xの3倍になるので、3×x=3xと言い換えることができます。 文字の計算というのは、特別な条件がない限りは 「文字の中身がどんな数であったとしても成り立つような計算方法」 だけを使って行います。 難しい言葉を使えば、「普遍的（ふへんてき）」な計算、ということになりますが、とにかく 「文字の中身がどんな数であったとしても成り立つような計算方法」 だけしか使わない、というのが重要なポイントです。 どんな数でも成り立つ、ということになると、単純なルールしか使えません。 例えば、九九のような覚えないと使えないルールは、文字の計算においては圧倒的に少ない訳です。 もちろん、文字式の計算をする上で、小学校で習うような掛け算や足し算を使うこともあります。 しかし、「新しく習うルール」自体はとても単純なのです。 慣れないものを扱うので少し難しく感じられる、という、ただそれだけの話なのです。 さて、どうでしょうか？
https://w.atwiki.jp/cscd/pages/23.html
#include stdio.h double Egamma, Edge; main(){ printf("This program calculates the energy of Compton edge from energy of gamma ray.\n"); printf("Enter the energy of gamma ray (keV) "); scanf("%lf", Egamma); Edge = Egamma / (1.0+(1.0/(2.0*(Egamma / 511.0)))); printf("Then the energy of Compton edge is %lf keV\n", Edge); }
https://w.atwiki.jp/freetrain-exav/pages/138.html
最終更新日時：2010年05月23日 (日) 09時23分55秒 乗客の計算(V2) この文書は、(旧)FreeTrain フォーラム内の情報をもとに作成しています。 このページの内容は、「V2」本体＆プラグインの組み合わせを解説しています。 該当する本体バージョンは、FreeTrain EX Av β2.1.0.1～とα3.1.0.1～になります。 建物の数値 建物には、「人口を含む建物」と「人口を含まない建物」とがあります。人口を含まない建物は、プラットホームや工事現場など、人口を含む建物は、住居やオフィスです。 人口を含む建物は、最も近い「駅」及び「近い順に4つ目までの駅」と接続されます。建物に住んでいる人は、それらの駅を利用します。 建物には、「建物の基準人口」を設定します。この数値は、実際に建物に住んでいる人の数です。 建物には、また、「建物の人口」という数値もあります。これは、この建物から駅を利用したいと思う人の数であり、時間帯によって変化します。 具体的には、「建物の基準人口」に、時間帯ごとに変化する数値（百分率）を掛けたものになります。 この変化は、各人口の種別が持つ表によって割合が決まっています。 建物の人口 = 建物の基準人口 × 時間帯ごとに変化する利用割合 「建物の基準人口」は、住んでいる人のほか、その建物で働いている人や買い物に利用しにきた人が含まれます。 ですので、地表プラグインの「畑」であっても、その畑に働きに出てきたお百姓さんが家に帰ろうとした時の「建物の人口」が発生するわけです。決して畑に住んでいる、わけではありません。 この利用割合については、乗客計算率％(V2案)を参照してください。 なお、「建物の人口」は、「建物の立地地価*建物XYZサイズ+10」で上限制限を受けます。 建物の人口 = Math.Min( 建物の人口, 地価*建物XYZサイズ+10 ) （建物XYZサイズの判定利用は、β2.1.1.2以降となります。2.1.1.1以前では地価+10で判定されます） 地価が50の土地に立っている1x1x1の建物は、最大で60人しか出てきません。 これは、地価が低い＝その駅周辺に乗降が少ない＝周辺物件の利用率が低い＝出てくる人数も少ない、という考え方によるものです。 なお、建物サイズのかけ率については、高さを条件から外しXYサイズのみにしようか、という議論の最中です。 テストプレイと今後の議論により、XYサイズになる場合があります。 駅の数値 駅は、「駅利用人口」を持ちます。この数値は、駅に接続されているすべての建物の「建物の人口」を合計したものです。「建物の人口」は時間帯によって変化しますので、「駅利用人口」も同様に変化します。 この「駅利用人口」が、乗客数の計算の基本となります。 駅利用人口 = 建物の人口の合計 駅は、「消費乗客数」という数値も持ちます。この数値は、「駅利用人口」のうち、実際に乗客として列車に乗った人数を表します。 消費乗客数 += 乗客数 この数値は、出かけた人が戻ってくることを表すため、1時間ごとに0.8倍されていきます。 消費乗客数 *= 0.8 乗客数を計算する 乗客数は、列車が駅を発車するときに計算します。 このとき、（駅利用人口－消費乗客数）人が列車に乗れる人数です。 しかし、これを一度に乗せてしまうと都合が悪いため、この人数の3割を上限とします。 すなわち、 (駅利用人口 - 消費乗客数) × 30% ここで、V2で追加した要素として列車の魅力 amenity というものがあります。 amenity は基本100ですが、快適な特急列車では高めの120、古い103系では90などとなっています。 この amenity 値をそのまま前述の式にかけます。 (駅利用人口 - 消費乗客数) × 30%×魅力% これと、発車する列車の詰め込み乗客上限のどちらか少ない方が、その列車に乗車します。 最終的には、 乗客数 = min( (駅利用人口 - 消費乗客数) * 0.3 * amenity , 列車の詰め込み乗客上限) となります。 詰め込み乗客上限を計算する 前の項で、「詰め込み乗客上限」という数値が出てきました。 「詰め込み乗客上限」は、FreeTrain EX Av本体でそのつど計算して求めています。その計算式は次のとおりです。 まず列車には、「定員」というものがあります。これは列車プラグインの中の車両定義において capacity として書かれた値となります。通勤電車では140～150人ぐらい、特急電車では40～60人ぐらいになります。 しかし現実の鉄道の風景を見ると、特急列車は座席のある定員分しか通常乗客は乗りませんが、通勤電車では乗車率180%だとか200%だとかの超満員になっています。「定員」きっちりしか乗せないということは、通常ありません。これもある程度シミュレートしたいです。 そこで、V2プラグインで追加した要素として「着席定員」があります。 seatedcapacity として書かれた値です。特急列車やグリーン車では定員 capacity とまったく同じ数値が入りますが、通勤電車では30～50ぐらいの数値となります。 このplugin.xmlに記入された「着席定員」 seatedcapacity を利用して、FreeTrain EX Av本体は「立席定員」を求めます。 立席定員 = 列車の定員 - 着席定員 着席定員はどんなに乗客が列車に殺到していても変わりません。7人がけのシートに8人座ることはできません。 ラッシュ時に詰め込まれるのは、立席の分だけです。 そこで「立席には、定員の2倍まで詰め込める」と仮定します。 詰め込み立席上限 = ( 列車の定員 - 着席定員 ) * 2 あとは、この「着席定員」と「詰め込み立席上限」を足すと、その車両の「詰め込み乗客上限」が求まります。 詰め込み乗客上限 = 着席定員 ＋ ( 列車の定員 - 着席定員 ) * 2 特急列車など、着席定員＝列車の定員であるばあいには、詰め込み乗客上限＝着席定員＝列車の定員、になっていることが分かると思います。 一方、列車の定員150・着席定員54の通勤電車であれば、詰め込み乗客上限は246となります。このときの乗車率は164%です。
https://w.atwiki.jp/wicky/pages/191.html
表のプロパティ ここでは、表（テーブル）のプロパティについてまとめていく。 表のタイトル位置 表の幅の計算方法 枠線を結合表示 分離表示した枠線の間隔を指定 空のセルの枠線表示
https://w.atwiki.jp/bicmap/pages/281.html
Top / 講座一覧 / 表計算ソフト / 基礎編 表計算ソフト（2007） ホーム クリップボード フォント 配置 数値 スタイル セル 編集 挿入 テーブル 図 グラフ リンク テキスト ページレイアウト テーマ パージ設定 拡大縮小印刷 シートのオプション 配置 数式 関数ライブラリ 定義された名前 ワークシート分析 計算方法 データ 外部データの取り込み 接続 並べ替えとフィルタ データツール アウトライン 校閲 文章校正 コメント 変更 表示 ブックの表示 表示/非表示 ズーム ウィンドウ マクロ 開発 コード コントロール XML
https://w.atwiki.jp/tkonishi73/pages/617.html
回帰直線の計算～確率・正規分布 復習問題 下のデータは、年収（千円）と書籍購入額（千円）の資料である。すでに、平均まで計算してある。以下の問に答えよ。 名前 年収（x） 書籍購入額（y） x^2 xy y^2 A 6,352 231 40,347,904 1,467,312 53,361 B 3,225 102 10,400,625 328,950 10,404 C 8,956 373 80,209,936 3,340,588 139,129 D 8,234 377 67,798,756 3,104,218 142,129 E 2,350 35 5,522,500 82,250 1,225 F 7,455 185 55,577,025 1,379,175 34,225 G 7,128 252 50,808,384 1,796,256 63,504 H 3,039 65 9,235,521 197,535 4,225 I 6,204 132 38,489,616 818,928 17,424 J 4,981 158 24,810,361 786,998 24,964 合計 57,924 1910 383,200,628 13,302,210 490,590 平均 5,792 191 38,320,063 1,330,221 49,059 (1)年収xと書籍購入額yの散布図を描きなさい。 この分布状態からすると、強い正の相関がありそうですね。（年収の多い人ほど、書籍購入額が多い） （意味のわからない人は復習してね！点が直線に乗っているのが見えませんか？） (2)平均値と標準偏差、共分散を求めよ。 問題の表の値から 年収xの平均 書籍購入額yの平均 xの分散 xの標準偏差 yの分散 yの標準偏差 共分散 (3)xとyの相関係数 すなわち、高い相関があることが分かります。 (4)回帰直線を求め、年収が500万円の書籍購入額を予測する。 年収xから書籍購入額yを予測するので、xによるyの回帰直線を求める。 これは、 で求めることができる。ゆえに、 より、 がわかります。これより、（千円）として、 となり、予測される書籍購入額は153.84（千円）です。 近似式の貢献度（ｐ.70 第5章.データから予測する） テキストのｐ.73からｐ.74を読んでください。 決定係数（相関係数の２乗）は、線形単回帰（直線による近似）によって、データの何％の説明が付いたかを表すものになります。 ゆえに、相関係数の２乗の値が高いほど、良い近似ができている、すなわち、データ分布が直線に近い（すなわち、相関が高い）ことになるわけです。 上の練習問題の場合、0.9136の２乗ですから、0.8347で、約83.5％程度の説明ができている（寄与している）ことになります。 実際に上で求めた回帰直線を引いてみました。まず、計算表です。 そして、グラフにしてみました。 かなり良い近似ができていますね。 上のグラフでx=5000のところに破線を引き、回帰直線に当たったところ（縦線⇒横線）が予測値（153.84）です。 正規分布の話は、次回にまとめます。 質問や感想があればどうぞ。 何でも良いので質問して下さい。 -- 小西 (2015-06-29 14 03 47) とにかく計算問題ができるように、練習をしておいてください。 -- 小西 (2015-07-13 14 23 18) 名前 コメント