約 6,596 件
https://w.atwiki.jp/kusatsu_speaker/pages/11.html
管理人が草津市危機管理課職員とメールを交わす中で送付されたファイルを掲載します。 <準備中> ※本ページに掲載されているデータについて、管理人は社会統計学上の正確性を保証しません。 ■平成23年度屋外スピーカーアンケート 草津市が屋外スピーカーの訓練放送の頻度を 「週1回」とする根拠としているアンケートです。 【質問票】 アンケート様式.pdf 【調査結果】 アンケート結果.pdf 【アンケートに対する管理人の見解】 ●「7 訓練放送の間隔について御意見をお聞かせください。」の選択肢が不適切です。 「現在の週1回で良い」、「毎日。」、「月1回。」とありますが、 「週1回。」と記載するべきところを「現在の週1回で良い」とされています。 問題点は2つ。 ・選択肢の中で現状の説明がされています。 ・選択肢末尾の「で良い」が、週1回という回答へ誘導するものになっています。 ちなみに、「8 訓練放送の内容について御意見をお聞かせください。」では、 設問内で現状の説明をし、さらに選択肢内でも現状の説明(さらに回答の誘導)がされています。 強調・誘導から、草津市には「夕焼け小焼け」を週1回鳴らさないと困る理由があるのだと推察されます。 ●「相関係数が無い」の論拠となる情報が示されていない。 「アンケート結果.pdf」の左下に下記の内容があります。 草津市の言い分としては、 「アンケートの結果から、スピーカーと家の距離が近いからといって訓練頻度を下げてほしいとは限らない。」 ということです。 ここでポイントになるのは、「相関関係は見られませんでした」と述べられていることです。 相関関係が無いというのであれば、そう主張できるだけの分析と、それによる回帰係数の算出は必須です。 しかし、草津市にそのことを問い合わせても、相関関係を示す分析と、回帰係数は提示されませんでした。 ここから推察できるのは以下の2点。 ・相関関係が無いと言えるだけの分析を本当は実施していない。 ・アンケートを集計した職員が「相関関係」という言葉を誤解している。 果たして、市民生活に大きな影響を与える屋外スピーカーの運用が このようなアンケートで取り決められて良いのでしょうか? ■居住地と訓練放送の頻度に相関関係が無いとする論拠 分析の元データとなるアンケートは平成23年(2011年)に実施されていますが、 ファイル内にあるGoogle Mapのコピーライトは2013年になっています。 2011年当時の分析ではなく、2013年に管理人に渡すためだけに再作成されたものなので、信憑性は0です。 ※2011年のアンケートの結果を2013年の地図にプロットすることは、各々の時間軸が異なるため誤りです。 ※統計学では、「相関関係が無い」と述べるには最低でも回帰係数に基づく相関係数の算出が必要です。 地図上に回答者をプロットするだけでは「相関関係」の判断はできません。
https://w.atwiki.jp/pnssty/pages/129.html
韓国ドラマ-王になった男-あらすじ-最終回まで感想あり-初回視聴率4.7%-全話一覧-全話-出演ヨ・チングやイ・セヨン-制作TVN-演出キム・ヒウォン-脚本キム・ソンドクとシン・ハウン-相関図やキャスト-動画もあります イ・ビョンホンが主演した映画の「王になった男」のリメイク作品のドラマです。 そして、時代は朝鮮中期! この朝鮮中期は、内乱&王座を巡って、権力争いが勃発していたのだった。 世の中は混乱し、更に王様イ・ホンが、自分自身の生命を狙う勢いから離れようとした為、自分と瓜二つの階級の身分が低い、賤民である道化師ハソンに、王様の役目を担わせたのです。 そこで、この道化師ハソンを宮殿に入らせてから~展開していく物語です。 そして、この道化師ハソンは、幼少期! なんと疫病で親が他界してしまったのだった。 その後、道化師ハソン&赤ちゃんだった妹と2人、残されてしまい..。 もう食べる物はないうえ、死と背中合わせでいた中、道化師グループに救助されたのです。 その後、道化師になったハソン! 道化師ハソンは、誰が見ても王様イ・ホンと瓜二つの運命が原因で..。 後に、偽の王様になる道化師ハソンだったのです。 そんな中、宮殿では休息する間もないぐらい、王様の生命が狙われていて..。 ハソンは自分の素性が、バレないように日々、戦々恐々としながら暮らしていたのだった。 だが王妃ソウンに気持ちが傾いてしまい..。 偽の王様として、ハソンはBIGな危機を迎えるのだった。 その頃、イ・ホンは、いつなんどき宮中から~追放されるか?先が読めない状況下にいたのです。 そして、常に恐怖を抱きながら生活をしてきた王様イ・ホン! しかもイ・ホンは、父&母の愛情を1度も受けたことがなくて..。 そんなイ・ホンは、王妃ソウンをお迎えし、婚姻したのだった。 王妃ソウンと婚姻後、生まれて初めて安心を感じたイ・ホンだったのです。 ところが王様イ・ホンは、玉座に上り..。 なんと敵からは、毒殺されそうになって..。 さらに、いつ何どき、王様の地位を略奪されるのだろうか?と毎日、不安でいっぱいだった王様イ・ホン! しかも、王様イ・ホンの心中が不安定だった為、妃ソウンとの関係も崩壊していったのです。 そして、ある日のこと。 イ・ホンは自身とそっくりな道化のハソンに出会ったのだった。 そこでハソンを王様の地位に座らせたのが運の尽き、想定外の出来ごとに遭遇するのだが..。 その頃、道化のハソンと王様イ・ホン! 2人の男性達は、同じ女性ユ・ソウンを愛してしまい..。 ソウンは、イ・ホンと結婚して宮中に嫁入りし、短かかったけれど平穏な新婚生活を過ごしていたのです。 だが、日増しにメンタルを病んでいくイ・ホンを近くで見ていたユ・ソウン! ユ・ソウンは苦悩してしまい..。 しかもユ・ソウンは、ハソンが→イ・ホンを演じているとは思っていなかったのです。 そうとは知らないでいたユ・ソウン! 変わっていくイ・ホンに気持ちが惹かれていくユ・ソウンは..。
https://w.atwiki.jp/thiroyoshi/pages/17.html
研究室で公開しているwikiです。こちらで発表資料などを掲載しています。 http //www.ai.cs.kobe-u.ac.jp/~hiroyoshi/ 修士研究 卒研の続きで アイデアメモ 卒業研究 半教師付き学習を用いた話題出現頻度推移からの注目話題の早期発見 主な目的 WEB上に登っている話題の中から、近い将来大きく盛り上がるであろう話題を検出する。 今年卒業された先輩の研究の引き継ぎ。 研究の進捗状況は「研究日誌:卒業研究編」を参照のこと。 手法のおおまかな流れ ブログのカテゴリ分類::専門科の導出 ↓ 早期話題候補を抽出::カテゴリでの話題は専門的かつ先取りされていることが多い ↓ 早期話題候補の出現頻度推移を学習半教師付き学習による(Tri-Training) ↓ 早期話題を推定 手法のキモ 早期話題の抽出までは既存手法のまま 半教師付き学習にする意義とは教師あり学習ではラベルを付与することが大変(コスト大) 話題が大きく盛り上がると判断される事例(正例)はどんなものか判断するのが大変(どんなんが盛り上がりの前兆?) 半教師にすることでラベル付与のコスト軽減 曖昧な話題の盛り上がりの自動判断 特徴量の工夫により、精度の向上を目指す従来の特徴量を正規化 新規特徴量の導入 プログラムメモ プログラム仕様詳細 プログラムディレクトリ構成詳細 プログラムの問題点・作業予定 研究予定事項 正例のつけかたバーストする兆候の部分だけに正例(バースト当日以前のみを正例に) より精度の高い話題語の抽出 共起関連URL=http //www.matlab.nitech.ac.jp/HP/search/index.html ブースティング、バギングパターン認識と学習の統計学 -新しい概念と手法- 第3部麻生英樹 津田宏治 村田昇 ブロガーへの重み付けアルファブロガーを利用 有用なブロガーの判断基準 ブログカテゴリの再考話題における重複のない(カテゴリ同士が排他的な)ものに プログラム輪講 カーネル正準相関分析を用いた半教師付学習 主な目的 ラベルあり事例を元にラベルなし事例にラベル付けを行うことで、半教師付学習を行う前の段階でラベルあり事例を多く見せかけて学習精度を向上させる。 概要 カーネル正準相関分析でラベルあり事例とラベルなし事例の相関係数を導出 ↓ 導出した相関係数に基づきラベルなし事例をランク付け ↓ 上位・下位のいくつかを正例・負例として採用し、ラベル付け ↓ 半教師付学習に利用 正準相関分析 2つの変量群の関係を測る手法。線形関係についてしか測定できない。 詳しい説明は参考URLを参照。 カーネル正準相関分析 2つの変量軍の関係を測る手法。こちらはカーネル関数を用いることにより非線形関係も測ることができる。 線形関係しか測れない正準相関分析を使うために、非線形なデータを無理やり線形空間に持ち込むことで正準相関分析を可能にしている。 詳しい説明は論文等で。 プロ輪の進行方針 octaveライブラリのスパコン上での利用方法が判然としないこと、ライブラリが並列高速化の効果を受けられるのかがわからないこと。 これらを受けて、今回は現在の「行列計算を全て配列で行っているプログラム」を使っていくことにする。 進行予定 正準相関分析のプログラムで高速化手法の検証:5月5週 ↓ カーネル正準相関分析のプログラムを作成:6月1週 (論文にあったラベル付けまで) ↓ 評価関数実装・実験・評価:6月2週〜終わり ↓ 並列化実装・実験・評価・発表準備:6月3週〜発表25日 プログラムのOpenMPによる並列化検証 プログラム内での実際の効果の検証 時間的な都合により、効果の検証はできませんでした。 今回使ったところでは効果を得られませんでした。 速度実験のために使うプログラム meantimeとmt_cmp 参考論文 Semi-SuperVised Learning with Very Few Labeled Training Examples(Zhi-Hua,De-Chuan,Qiang Yang 2007) カーネル正準相関分析(赤穂昭太郎 2000) 参考URL プログラムを参考にしたありがたいページ(Cとjavaです。ほんとにいろいろあります) http //www.sist.ac.jp/~suganuma/cpp/2-bu/7-sho/7-sho.htm#e-7-52 ベキ乗法(固有ベクトルの求め方) http //case.f7.ems.okayama-u.ac.jp/statedu/eigen/node4.html 共分散と相関係数 http //mcn-www.jwu.ac.jp/~yokamoto/ccc/stat/p22covcor/ 正準相関分析の定式化 http //case.f7.ems.okayama-u.ac.jp/statedu/hbw2-book/node82.html 正準相関分析(具体例含む) http //homepage2.nifty.com/nandemoarchive/tahenryo/seijyun.htm #bf 名前 コメント Today's Access - Yesterday's Access -
https://w.atwiki.jp/animesongs/pages/4474.html
Robotics;Notes(ゲーム) 空の下の相関図|いとうかなこ いとうかなこ「空の下の相関図」(Amazon) 発売元・販売元 発売元:5pb. 販売元:アニプレックス 発売日 2012.07.25 価格 1200円(税抜き) 内容 空の下の相関図 歌:いとうかなこ zero hour 歌:いとうかなこ 空の下の相関図(off Vocal) zero hour(off Vocal) 備考
https://w.atwiki.jp/bwhayashi/pages/57.html
●11月15日(2011) 今日は、友人にメールを書くことから始まった。 Hiroshi Hayashi++++++はやし浩司 Good morning, D! It is a bit cold morning but I don’t need a heater yet. The temperature is now 17 C degrees now. It is 5 16 AM in the morning. I woke up this morning earlier than usual. Akiko and I are well and there seems to be no problems so far for us. But we have many as a matter of fact. The best way to live happily is just to forget them and to go my own way. How are you? お早よう、D君! 少し寒いが、まだヒーターは必要ない。 今、気温は17度。 午前5時16分。 今朝はいつもより早く起きた。 晃子と私は元気で、ぼくたちにとって、何も問題がないように見える。 が、実際には、たくさんの問題をかかえている。 幸福に過ごすための最善の方法は、それらをただ忘れ、自分の道を行くことだ。 元気か? I had a small trouble with a doctor yesterday and it made me feel very bad. But now I am recovering from it. 昨日、ある医師とトラブルがあった。 それが気分を悪くした。 が、今は、回復しつつある。 Whatever I am I have no choice but to go my own way. Since this is the life of mine and I have no other way to go. This is why I woke up this morning earlier and started my job. I miss those days with you and Bob in Melbourne this March. 自分が何であれ、ぼくは自分の道を行くしかない。 これがぼくの人生だし、ほかに進むべき道もないから。 これが今朝、早く起き、仕事を始めた理由。 3月に、君とB君にメルボルンで会った日々が、なつかしい。 Hiroshi 浩司 Hiroshi Hayashi++++++はやし浩司 ●スペイン危機 ++++++++++++++++ ギリシャ、イタリアにつづいて、 スペインの金融危機が表面化してきた。 今朝のBloombergは、つぎのように伝える。 『……イタリアの銀行最大手、ウニクレディトは6.2%の値下がり。 同行は最大75億ユーロ相当の新株発行計画を明らかにした。 スペインも借り入れコストが上昇し、ビルバオ・ビスカヤ・ アルヘンタリア銀行(BBVA)を中心に銀行株が下げた。 ドイツの建設会社ホッホティーフも大幅安。 空港運営事業の売却の遅れが売り材料となった』 『スペイン10年債と独10年債のスプレッドは、 36bp広がり432bpとなった。 スペイン30年債利回りは6.74%に達し、 ブルームバーグがデータ収集を開始した1998年以来の最高となった。 CMAによれば、クレジット・デフォルト・スワップ(CDS)で、 スペイン国債の保証コストは21bp上昇し、441bpと、 過去最高を記録した』(以上、Bloomberg 2011・11・15)と。 注意深く読むと、スペインの金融危機の本質がよくわかる。 つぎの1点に注目してほしい。 (1)ドイツの建設会社ホッホティーフも大幅安 どうしてスペインの金融危機なのに、ドイツの建設会社の株が大幅安になったか。 理由は言わずと知れた、乱開発と過剰融資。 スペインは、低金利のユーロをドイツから借り、スペインの地中海沿岸で、リゾート開発を推し進めた。 ドイツ人のための、ドイツ人によるリゾート開発。 それを後押ししたのが、言うまでもなく、ドイツ。 ドイツ銀行。 ドイツは自国の経済が好調なことをよいことに、スペインにユーロを貸しつづけた。 言うなれば、ドイツはスペインで、バブル経済を発生させた。 その結果が、これ。 平たく言えば、自業自得。 が、ドイツはそれではおもしろくない……ということで、現在、メンケル首相が慌てふためいている。 (肝心のスペインは、のんきなもの。 もともとドイツは、EU内部では、嫌われ者。 いつも大きな顔をしている。) ギリシャ問題は解決した……と考えている人は多い。 しかし実際には、何も解決していない。 借金に借金を重ねる、自転車操業。 イタリアにしても同じ。 しかし本当の問題はスペインにある。 借金の規模がちがう。 ギリシャが倒れれば、フランスは肺炎。 スペインが倒れれば、ドイツは肺がん。 そこでドイツとフランスは、この日本にあれこれ、言い寄ってきている。 最後のババは、日本に引かせよう、と。 「ドイツの建設会社ホッホティーフも大幅安」という一文の中には、そういう現実が隠されている。 Hiroshi Hayashi++++++はやし浩司 ●はやし浩司の独り言 日本に残された道……結局は大増税しかないんだろうね。 歳出カットといっても、人件費の削減は無理。 役人の力が強すぎる。 結局は、行政サービスの低下。 今回のEUの金融危機について、アメリカが音無しの構えを見せているのは不気味。 が、考えてみればそれもそのはず。 EUは、もともと、アメリカの一局支配に対抗して生まれた。 ユーロが強くなればなるほど、相対的にドルが弱くなる。 が、ユーロが弱くなれば、再びドルの時代が戻ってくる。 中国がギリシャを助け、スペインを助けた。 なぜ中国なのか……という理由も、これでわかるはず。 そのアメリカも神経質な動きを見せている。 たった0・1%、失業率が下がっただけで、株価は大上昇。 『向こうの2年間の経済成長率予想が下方修正され、失業率見通しも悪化した』(ロイター・11・14)というニュースが流れただけで、今度は大暴落。 世界はたった1日で変わるわけではないのに、1日ごとに乱高下。 もうめちゃめちゃ。 日本はどうなるんだろう……と考えたところで、思考停止。 これだけ借金が多いと、身動きが取れない。 打つ手もない。 世界の激流の中で、流されるまま、あたふたとするしかない。 つまりもうなるようにしか、ならないということ。 が、これだけは忘れてはいけない。 結局は、最後の最後にババを引くのは、私たち一般庶民ということ。 「どう生きるか」ではなく、「どう貧困に耐えるか」。 今から、それを覚悟するしかない。 Hiroshi Hayashi++++++はやし浩司 Hiroshi Hayashi++++++Nov. 2011++++++はやし浩司・林浩司 ●八卦とDNA(古代中国の科学と謎) +++++++++++++++++ 昨夜、ワイフが、こう聞いた。 「中国では2進数を使っていたの?」と。 それで私が「そうだよ。が、それだけではない。 あの八卦(はっけ)が、DNA言語と一致 しているという説もある」と説明すると、 心底、驚いた様子をしてみせた。 昨年書いた原稿を、さがしてみる。 +++++++++++++++++ まず、つぎの2表をよくみてほしい。 その上で、以下の文章を読んでくれれば、 ここでいう「八卦とDNAの関係」が、 よくわかるはず。 出典は、『ニビルの謎』(学研)。 +++++++++++++++++ IMG SRC="http //image.space.rakuten.co.jp/lg01/91/0000004091/64/img866cb8ffzik9zj.jpeg" width="721" height="777" alt="img221.jpg" IMG SRC="http //image.space.rakuten.co.jp/lg01/91/0000004091/65/imga0558262zik8zj.jpeg" width="699" height="1211" alt="img222.jpg" +++++++++++++++++ Hiroshi Hayashi++++++はやし浩司 (以下、2010年10月8日Eマガに書いた原稿より) ●中国の二進数(古代中国の大ロマン) +++++++++++++++++ 今、端緒をつかんだばかり。 今までの不勉強が悔やまれる。 まだ不確実な段階だが、5000年以上も さかのぼる太古の昔、中国に、何と 二進数があったらしい。 (こんなことも知らなかったのか、と 笑われそうだが……。) もしこれが事実とするなら、私は、今までの 古代観を根底から、作りなおさなければ ならない。 +++++++++++++++++ ●二進数 二進数では、(0)と(1)だけの 数字を使って数を表す。 だからたとえば、0、1、2、3、4、5、6……は、二進数では、 0、1、10、11、100、101、110……となる。 コンピューター言語の基本にもなっている。 それを古代中国では、つぎのように表す。 ワード文書を使って表記するので、たいへんぎこちない書き方になるが、許してほしい。 +++++++++++++ 0…… +++++++++++++ 1…… +++++++++++++ 2…… +++++++++++++ 3…… +++++++++++++ 4…… +++++++++++++ 5…… +++++++++++++ 6…… +++++++++++++ つまり横線2本は、(0)を表す。 横線1本は、(1)を表す。 これを冒頭に書いた、二進数と見比べてみてほしい。 念のため、数字をその横に並べて、もう一度、ここに書いてみる。 +++++++++++++ 0…… 000 +++++++++++++ 1…… 001 +++++++++++++ 2…… 010 +++++++++++++ 3…… 011 +++++++++++++ 4…… 100 +++++++++++++ 5…… 101 +++++++++++++ 6…… 110 +++++++++++++ 十進数の「5」は、二進数の「101」になるが、それを横にすれば、 ここに書いたようになる。 こうして6段の線を使えば、何と、0から63までの64個の数を、二進数で 表すことができる。 コンピューターの世界でいう、まさに64ビット! ●易(えき) 漢字には(0)の概念がない。 たとえば、「120」は、「百二十」と表記する。 そういう中国で、どうしてこうした「0」の概念が生まれたか。 しかも二進数。 それだけでも不思議だが、それを知ったのは、つまり中国の二進数を知ったのは、 「易(えき)」。 昔から日本では、『当たるも八卦、当たらぬも八卦』という。 あの「易」。 「易占い」の「易」。 EX-Word(シャープ)には、つぎのようにある。 「周易で、陰陽の(こう)を組み合わせた8つの形象。 自然界、人事界百般の現象を象徴する」(広辞苑)と。 さらにマイペディアには、つぎのようにある。 「(はっか)とも読む。易(えき)による占いの基本となる図形。 乾(けん)、坤(こん)、震(しん)、巽(そん)、(かん・土へんに「欠」)、離、 (ごん)、兌(だ)の8種をいう。 これを組み合わせたのが64卦。 この形を得るために、算木を用意する。 八卦は伏義(ふくぎ)の創案と伝えられる。 易占の基本として、易占と同義にも用いられる」と。 その易の起源については、「易経」の注釈には、つぎのようにある。 「……伏義が天下を支配していたとき、天と見、地を見、鳥獣を見、身近を見、 こうしてその中から伏義は八卦を考案した……」と。 ●64ビット ここでひとつの疑問が生まれる。 「易」は、「占い」なのかという疑問である。 くどいようだが、もう一度、2つの八卦、つまり8x8=64(64卦)を、 今度は、点と線で表してみる。 (左上が、十進数で「0」、3段目、右端が、「14」。) ーー ・・ ーー ・・ ・・ ーー ーー ・・ ・・ ・・ ・・ ーー ・・ ・・ ・・ ・・ ・・ ・・ ・・ ・・ ・・ ・・ ・・ ・・ ーー ・・ ーー ・・ ーー ーー ーー ・・ ・・ ーー ーー ーー ・・ ・・ ・・ ・・ ーー ーー ・・ ・・ ・・ ・・ ・・ ・・ ・・ ・・ ーー ・・ ーー ・・ ーー ーー ・・ ・・ ーー ・・ ーー ーー ーー ーー ーー ーー ーー ーー ・・ ・・ ・・ ・・ ・・ ・・ ・・ ・・ 以下、こうして二進数で表現すると、 「63」は、 ーー ーー ーー ーー ーー ーー となる。 コンピューターの64ビット言語と同じ! プラス、驚き! ●黄帝内経(こうていだいけい) もっともこんなことは、八卦の世界では常識。 もちろん私が発見したことではない。 そこでさらに調べてみると、この64卦は、「4つの塩基から3つを選び出した DNA言語の単語と一致する」(「ニビルの謎」北周一郎・学研)とか。 ますますおもしろくなってきた。 私も若いこと、黄帝内経(こうていだいけい)という書物にたいへん興味をもった。 3冊も本を書いた。 うち1冊(「東洋医学・基礎編」学研)は、今でも全国の医学部や鍼灸学校で教科書 として使ってもらっている。 あの黄帝内経は、歴史の中で書き換えられるうち、いつの間にか「医学書」として の体裁を整えてしまった。 が、私はもともとは、天気の運行に関する科学書ではなかったかと考えている。 わかりやすく言えば、天文学に関する書物。 その片鱗は、黄帝内経(素問)の随所に残っている。 『五運行大論篇』もそのひとつ。 それについてはたびたび書いてきたので、興味のある人は、そちらを読んでみて ほしい。 http //shizuoka.cool.ne.jp/bwhayashi/page055.html ●大ロマン 過去の歴史の中には、何やらとてつもない謎が隠されているらしい。 つまり(現在)は(過去)の上に積み重ねられてできたのではなく、遠い過去に、 すでに(現代)以上の(現代)があったことになる。 ロマンといっても、これ以上のロマンがあるだろうか。 デニケンやシッチンの説に従えば、遠い昔、人類をはるかに超越した知的生物体 が、この地球にやってきた。 そして人類を見つけ、その中に自分たちにDNAを組み込んだ! それをのちのちの人間に教え伝えるために、「易」を教えた。 ……という説は、一見、荒唐無稽に思えるが、しかしありえない話ではない。 ないことは、この「易」をみてもわかる。 この問題については、もう少し情報を集め、理解を深めてから書いてみたい。 2010/09/15 (はやし浩司 家庭教育 育児 教育評論 幼児教育 子育て Hiroshi Hayashi 林浩司 BW はやし浩司 八卦 易 伏義 古代中国の二進数 2進数 64卦) Hiroshi Hayashi+++++++Sep. 2010++++++はやし浩司 【易経と64卦】 ●易経の二進数(古代中国の大ロマン) +++++++++++++++++ 今、端緒をつかんだばかり。 今までの不勉強が悔やまれる。 まだ不確実な段階だが、5000年以上も さかのぼる太古の昔、中国に、何と 二進数があったらしい。 (こんなことも知らなかったのか、と 笑われそうだが……。) しかもその配列の仕方は、(漢字との意味の符合性において)、 DNAの配列と同じという。 もしこれが事実とするなら、私は、今までの 古代観を根底から、作りなおさなければ ならない。 もちろんこの説を鵜呑みにするわけにはいかない。 それが正しいかどうか、自分で検証してみる 必要がある。 「根底から作りなおす」というからには、 それなりの確信が必要である。 本当に、「易」は、「DNA」の配列と関係が あるのか? +++++++++++++++++ ●二進数(PART2) 二進数では、(0)と(1)だけの 数字を使って数を表す。 だからたとえば、0、1、2、3、4、5、6……は、二進数では、 0、1、10、11、100、101、110……となる。 コンピューター言語の基本にもなっている。 それを古代中国では、つぎのように表す。 src="http //farm5.static.flickr.com/4104/4996382953_f02920464f.jpg" width="353" height="500" alt="img058" / ●まずはじめに……(国立がんセンターのHPより引用) 『……遺伝子が設計図だとすると、どのような言葉(言語)で書かれているのでしょう か。遺伝子は、物質としてはDNAと呼ばれる分子からできていますが、この DNAは「A、 G、C、T」という4つの「塩基」の並びでできています。 言語というのは英語であればアルファベット26文字、日本語であれば平仮名50音の組み 合わせでつくられますが、遺伝子の場合には、この4つの文字からなる遺伝子の言語で書 かれているということになります。人間ではこのA、G、C、T という文字が30億個並ん で遺伝子全体をつくっています。 比喩的にいうと、4つの文字の配列によりつくられた、意味のあるひとつひとつの「文章」 がひとつひとつの「遺伝子」に相当し、ヒトの場合、そのような遺伝子が40,000個ぐらい あるといわれています。 ある生物がもつすべての遺伝子、人間なら人間のすべての遺伝子を全部ひっくるめて「ゲ ノム」といいます。遺伝子を句点「。」で区切られたひとつの文章だとすれば、文章が集ま った一冊の本がゲノムであるといえます。遺伝子が一本の木だとすると、その木が集まっ た森がゲノムにあたります』(以上、国立がんセンターHPより)。 ●「易経」の二進数 ●赤ワク この中で赤ワクで囲んだのは、上下3本ずつが、同じ配列になったものである。 そこでさらに、これら64のパターンを、8つのグループに分けてみる。 (0)と(1)の組み合わせは、8種類ある。 こういうグループ分けに、とくに意味はない。 (A)上部3本が、(000)のグループ (B)上部3本が、(001)のグループ (C)上部3本が、(010)のグループ (D)上部3本が、(011)のグループ (E)上部3本が、(100)のグループ (F)上部3本が、(101)のグループ (G)上部3本が、(110)のグループ (H)上部3本が、(111)のグループ 8つのグループに、それぞれ8つの組み合わせがある。 合計すると、8x8で、64種類ということになる。 ●DNA言語も64語 ところでDNA言語は、A(アデニン)、G(グアニン)、C(シトシン)、 T(チミン)という4種類の塩基が基本になっている。 これらの塩基が鎖状に連なって、遺伝子情報を伝える。 一見無秩序に見える塩基情報だが、実際には、A、G、C、Tの4つの塩基から、 3つを取り出し、その組み合わせによって、64種類の言葉が生まれることがわかって いる。 AAA、AAG、AAC、AAT、AGA、AGG,AGC,AGT……TTT、と。 『易経の謎』(光文社)、『ニビルの謎』(学研)によれば、こうした遺伝子言語は、 そのままDNA言語と一致するという。 並び方だけではない。 意味まで、一致するという(『ニビルの謎』)。 たとえば「DNA言語の(ATG)は、「開始」を意味するが、これに対応する 八卦は、「かん(土偏に欠)」で、これも「開始」を表す。 DNA言語の(TAA)は、「停止」を意味するが、これに対応する八卦は、「ごん」で、 これも「停止」を表す」(『ニビルの謎』)と。 上述、「易経の二進数」のうち、(18)(010010)が、「かん」、 (9)(001001)が、「ごん」にあたるという。 しかし自分で改めて検証してみると、つじつまが合わなくなる。 (1)と(0)の組み合わせは、 (00)(01)(10)(11)の4つである。 この4つを、どう「A」「G」「C]「T]と結びつければよいのか? たとえば、 10……「A」 01……「G」 11……「C」 00……「T」とすると、 「ATG」は、「10・00・01」となる。 並び方を反対にすると、つまり「GTA」にすると、「01・00・10」となり、 たしかに「かん」となる。 が、同じように「TAA」は、「AAT」にすると、「10・10・00」となり、 「ごん」にならない。 「ごん」は、二進数では、「00・10・01」である。 (「00・10・10」なら、つじつまが合うのだが……。) 私の解釈の仕方がまちがっているのだろうか。 あるいはどこかまちがっているのだろうか。 これら2冊の本だけではよくわからない。 ●4つの組み合わせx4通り わかりやすく言えば、「A」「G」「C」「T」と、(00)(01)(10)(11)を、 どう結びつけるかということ。 これがうまく結びつけば、中国の二進数は、まさにDNA言語そのものを表している ことになる。 (00)は、「A」なのか。 「G」なのか。 「C」なのか。 それとも「T」なのか。……(1) (01)は、「A」なのか。 「G」なのか。 「C」なのか。 それとも「T」なのか。……(2) (10)は、「A」なのか。 「G」なのか。 「C」なのか。 それとも「T」なのか。……(3) (11)は、「A」なのか。 「G」なのか。 「C」なのか。 それとも「T」なのか。……(4) そこでヒントとなるのが、DNAが複製されるときの性質、つまり「A」は「T]と のみ結合し、「G」は「C」とのみ結合するという性質。 これを二進数と組み合わせてみると、興味深い事実が浮かびあがってくる。 (00)と(11)の関係。 (01)と(10)の関係。 これらは、数字の上では補完関係にあることがわかる。 仮に(00)を「A」とすると、(11)は「T」ということになる。 同じように(01)を「G」とすると、(10)は「C」ということになる。 この仮定の上で、もう一度、表を作り直してみる。 それがつぎの表ということになる。 00……「A」 01……「G」 10……「T」 11……「C」 仮にこの配列で、中国の二進数を並べ直してみると、つぎのようになる。 00……AAA(00・00・00だから、AAAとなる。) 01……AAG 02……AAT 03……AAC 04……ATA 05……AGG 06……AGT 07……AGC 08……ATA 09……ATG(00・10・01だから、ATGとなる。TAAにならない)(ごん) 10……ATT 11……ATC 12……ACA 13……ACG 14……ACT 15……ACC 16……GAA 17……GAG 18……GAT(01・00・10だから、GATとなる。ATGとならない)(かん) ???? 別の組み合わせを考えてみる。 というより、上記(1)(2)(3)(4)の4つの組み合わせを、総当たり的に 確かめてみる。 「9」の「ごん」で、「TAA」に、「18」の「かん」で、「ATG]になればよい。 そういう組み合わせは、あるのか? ●矛盾 もう一度、数字を並べてみる。 「9」(ごん)……(00・10・01)……「TAA」 「18」(かん)…(01・00・10)……「ATG」 これらの数字(二進数)に、「A」「G」「C」「T」を当てはめてみる。 いわば暗号解きのパズルのようなものだが、一見して共通性がないのがわかる。 (01)が「A」で、(00)が「T」ということまでは、わかる。 が、そのほかは、矛盾する。 で、ここに先にあげた、補完関係を応用してみる。 (「補完関係」といっても、私が勝手に仮説として考えたものにすぎないが……。) (01)が「A」とすると、(10)が「T」ということになってしまう。 つまりまたまた矛盾してしまう。 (01)が「A」とすると、「T」は、(10)でなければならない。 アアアア! ●謎への再挑戦 もう一度、『ニビルの謎』を読んでみる。 繰り返しになるが、許してほしい。 この壁を乗り越えないと、謎を解くことができない。 「……DNA言語の(ATG)は、「開始」を意味するが、これに対応する 八卦は、「かん(土偏に欠)」で、これも「開始」を表す。 DNA言語の(TAA)は、「停止」を意味するが、これに対応する八卦は、「ごん」で、 これも「停止」を表す」(『ニビルの謎』)と。 そこにはたしかに(ATG)は、(かん)、(TAA)は(ごん)と書いてある。 (かん)は、二進数で、(01・00・10)。 (ごん)は、二進数で、(00・10・01)。 この2つを並べてみると、(00)は、「T」ということになる。 両者が共通にもっている(10)、あるいは(01)は、「A」ということになる。 残ったのは、この両者にない、(11)。 この(11)は、「C」ということになるのか? となると、「G」は、(10)と(01)のどちらなのか? 「A」が(10)なら、「G」は、(01)、 「A」が(01)なら、「G」は、(10)ということになる。 一応、ここまでを、一覧表にしてみる。 10、あるいは01……「A」 01、あるいは10……「G」 11……「C」 00……「T」 ほかに手がかりはないのか? ということで、今、あちこちをネットでサーフィンしながら、調べてみた。 が、私が調べたところ、それに関する情報は手に入らなかった。 「A」は、(10)なのか、(01)なのか? それさえ決まれば、易経の二進数と、DNAの関係が、少しだけだが浮かびあがって くる。 ……が、ここでタイプアップ! 仕事の準備をする時間になった。 このつづきは、またの機会にしたい。 (2010年9月17日、午前10時) (はやし浩司 家庭教育 育児 教育評論 幼児教育 子育て Hiroshi Hayashi 林浩司 BW はやし浩司 易経の謎 中国の二進数 2進数 DNAの謎 DNAと易経 ニビ ルの謎) 【注】今回『ニビルの謎』(学研)という本を参考にさせてもらったが、私自身は、 「ニビル」なる惑星については、まだ半信半疑。 真夏の夜のロマンのひとつにしか考えていない。 興味をもったのは、その中に書かれていた「二進数」、つまり易経でいう「64卦」。 そこに「64卦は、DNA言語と関係がある」と書いてあったので、興味をもった。 どうか誤解のないように! Hiroshi Hayashi+++++++Sep. 2010++++++はやし浩司 Hiroshi Hayashi++++++Nov. 2011++++++はやし浩司・林浩司 ●今日の目標 今日は、「八卦とDNA」について、もう一度、その謎解きに挑戦してみたい。 もし八卦と、DNA言語が一致していたら……。 これは世界の科学の常識をひっくり返すほどの大発見となる。 では、このつづきは、またあとで……。 2011/11/15朝記 Hiroshi Hayashi++++++Nov. 2011++++++はやし浩司・林浩司
https://w.atwiki.jp/neetsha-marron/pages/135.html
タグ: コメント
https://w.atwiki.jp/color-cube/pages/131.html
③生存分析 ハザード:瞬間死亡率 ハザード比 比例ハザード性:ハザード比一定 調整ハザード ④ロジスティック回帰分析 オッズの対数→直線的低下 オッズ→指数的低下 確率→S字的低下 調整オッズ 人口相対危険度(population relative risk; PRR) http //ds.cc.yamaguchi-u.ac.jp/~tiiki/11_20.pdf http //d.hatena.ne.jp/NATROM/20120324 http //commons.bcit.ca/math/faculty/david_sabo/apples/math2441/section8/oddsratio/oddsratio.htm http //www.med.kindai.ac.jp/pubheal/kyouiku/2013_38.pdf http //ganjoho.jp/data/professional/statistics/backnumber/2007/DATA18.PDF Rate Ratio(人年法)とRiskRatio(累積) Relative RiskはRate Ratio、RiskRatio、さらにOdds Ratioの全てをさす語 www.jspe.jp/education/files/jspe_kogi.ppt 過剰相対リスク:Excess Relative Risk RR-1 http //tamakisono.blogspot.jp/2012/05/excess-relative-risk.html SIRとSMR http //ncrp.ncc.go.jp/file/seibi/tebiki/tebiki_s_4_2_070518.pdf 代表値と散布度 代表値:平均値(算術・幾何・調和・加重),中央値(パーセンタイル),最頻値 散布度:範囲(最大値,最小値),四分位範囲,標準偏差(分散の平方根),分散(偏差の平方和) 最大値・最小値 95%・5% 外れ値 箱ひげ図 平均値±標準偏差(標準誤差) 中央値(50%)±25%,75% Zスコア(平均値0,標準偏差1) Zスコア(中央値0,四分位範囲1) 変動係数(標準偏差/平均値) 母数と統計量 母集団:母数 標本:統計量 度数,相対度数 累積度数,累積相対度数 ヒストグラム,度数多角,度数分布曲線 離散変数 連続変数 度数分布曲線 確率分布曲線 確率密度分布曲線 累積度数分布曲線 分布曲線 散布図:量×量 ドットプロット図(プロット図):質×量 分割表(クロス表):質×質 相関係数 ピアソン スピアマン 決定係数 オッズ比 ロジスティック回帰 比例ハザード回帰(コックス回帰) 回帰 単回帰 重回帰 線形回帰 対数変換後 逆数変換後 非線形回帰 回帰係数 回帰分析 独立変数:説明変数,予測変数 従属変数:目的変数,基準変数 従属変数=切片+回帰係数×独立変数+残差=従属変数の予測値+残差 従属変数の予測値=切片+回帰係数×独立変数 残差=従属変数-従属変数の予測値 残差:データのプロット点から縦軸に平行に回帰直線に引いた線の長さ 回帰直線:どのデータに対しても残差が小さくなるようにするために、残差の分散が最小になるように切片と傾き(回帰係数)を決めた直線 回帰係数:独立変数と従属変数の相関係数×(従属変数の標準偏差/独立変数の標準偏差) 切片:従属変数の平均値-回帰係数×独立変数の平均値 残差 誤差 偏差 <単回帰> 相関係数(r) 従属変数と、1つの独立変数の相関係数 回帰係数 従属変数と、1つの独立変数で単回帰分析を行った場合の回帰係数 独立変数が1だけ変化した場合に、従属変数の予測値は回帰係数だけ変化 標準(化)回帰係数:β係数 各変数をその変数の標準偏差で除算してから単回帰分析を行った場合の回帰係数 独立変数が独立変数の1標準偏差だけ変化した場合に、従属変数の予測値は標準(化)回帰係数×従属変数の1標準偏差だけ変化 独立変数が1つの場合は、独立変数の標準(化)回帰係数=独立変数と従属変数との相関係数 決定係数 従属変数の分散=従属変数の予測値の分散+残差の分散 決定係数=従属変数の予測値の分散/従属変数の分散 =1-残差の分散/従属変数の分散 =(従属変数の分散-残差の分散)/従属変数の分散 決定係数1:従属変数の予測値=従属変数 決定係数0:従属変数の予測値=切片=従属変数の平均値(独立変数に関わらず一定) (相関係数0→回帰係数0→決定係数0) 重相関係数(R) 従属変数と、従属変数の予測値の相関係数 重相関係数^2=決定係数(R二乗) 重相関係数=√(決定係数) 独立変数が1つの場合は、従属変数と従属変数の予測値の相関係数=独立変数と従属変数との相関係数より、 重相関係数(R)=相関係数(r)より、決定係数(R二乗)=重相関係数^2=相関係数^2 <重回帰分析> 相関係数(r) 従属変数と、2つ以上の独立変数の相関係数 偏回帰係数 従属変数と、2つ以上の独立変数で重回帰分析を行った場合の回帰係数 独立変数が2つ以上の場合、他の独立変数の影響を除いた時に、 独立変数が1だけ変化した場合に、従属変数の予測値は回帰係数だけ変化 標準(化)偏回帰係数 各変数をその変数の標準偏差で除算してから重回帰分析を行った場合の回帰係数 独立変数が2つ以上の場合、他の独立変数の影響を除いた時に、 独立変数が独立変数の1標準偏差だけ変化した場合に、従属変数の予測値は標準(化)回帰係数×従属変数の1標準偏差だけ変化 独立変数が2つ以上の場合は、各独立変数の標準(化)編回帰係数≠各独立変数と従属変数との相関係数 従属変数に対する、それぞれの独立変数の影響の強さを比較可能 独立変数間の相関関係がほとんどない場合、標準(化)偏回帰係数が大きい独立変数の方が、従属変数に対する影響が大きい 独立変数間の相関関係が強い場合、多重共線性の問題が生じる 重決定係数 従属変数の分散=従属変数の予測値の分散+残差の分散 重決定係数=従属変数の予測値の分散/従属変数の分散 重相関係数(R) 従属変数と、従属変数の予測値の相関係数 重相関係数^2=決定係数(R二乗) 重相関係数=√(重決定係数) 自由度調整済みの決定係数 独立変数の個数が増加すると、一般に決定係数も増大するため、独立変数の個数に応じた調整が必要 通常の決定係数(重決定係数)は、予測に有効でない独立変数の追加でも増加または普遍 自由度調整済みの決定係数は、予測に有効でない独立変数の追加により減少:追加した独立変数が有効かどうかの指標になる 決定係数 http //en.wikipedia.org/wiki/Coefficient_of_determination http //ja.wikipedia.org/wiki/%E6%B1%BA%E5%AE%9A%E4%BF%82%E6%95%B0 http //www.jstor.org/discover/10.2307/2683704?uid=3738328 uid=2134 uid=2 uid=70 uid=4 sid=21101892800873 AR http //en.wikipedia.org/wiki/Attributable_risk http //en.wikipedia.org/wiki/Attributable_risk_percent オッズとロジットとロジスティック関数 O=P/(1-P) P=O/(1+O) OR=O1/O2={P/(1-P)}/{Q/(1-Q)}={P(1-Q)}/{(1-P)Q} O1→0 OR→0 O2→0 OR→∞ logit P=log {P/(1-P)}=log P-log (1-P) logit Q=log {Q/(1-Q)}=log Q-log (1-Q) 確率を変数とするロジット関数は、オッズの対数に等しい。 logit P-logit Q={log P-log (1-P)}-{log Q-log (1-Q)}=log {P/(1-P)}-log {Q/(1-Q)}=log [{P/(1-P)}/{Q/(1-Q)}] オッズ比の対数をとると、2つの確率のロジットの差に等しい。 ロジステック関数:N=K/[1+exp{rK(t0-t)}]において、N=y,r=a,K=1,t0=0,t=xとした、 シグモイド関数:y=1/{1+exp(-ax)}において、a=1とした、 標準シグモイド関数:y=1/{1+exp(-x)}=exp(x)/{exp(x)+1} p=O/(O+1)=exp(log O)/{exp(log O)+1}であり、log O=logit pより、 p=exp(log O)/{exp(log O)+1}=exp(logit p)/{exp(logit p)+1} ロジット関数はロジスティック関数(標準シグモイド関数)の逆関数で、ロジスティック回帰分析でオッズ比は重要な意味を持つ。 P=ある事象の確率 logit P=確率Pのロジット p/(1-p)=オッズ logit P=log {P/(1-P)}:ロジット=オッズの対数 y=1/{1+e^(-x)}⇔x=log{y/(1-y)} 標準シグモイド関数(ロジステック関数)⇔ロジット関数 y=1/{1+e^(-x)}={tanh(x/2)+1}/2 http //ja.wikipedia.org/wiki/%E3%82%AA%E3%83%83%E3%82%BA%E6%AF%94 http //ja.wikipedia.org/wiki/%E3%83%AD%E3%82%B8%E3%83%83%E3%83%88 http //ja.wikipedia.org/wiki/%E3%83%AD%E3%82%B8%E3%82%B9%E3%83%86%E3%82%A3%E3%83%83%E3%82%AF%E5%9B%9E%E5%B8%B0 正規分布:確率密度関数 exp(-x^2) N(μ,σ^2)=1/sqr(2πσ^2)・exp{-(x-μ)^2/2σ^2} N(0,1)=1/sqr(2π)・exp{-x^2/2} 正規分布:累積分布関数 プロビットの逆関数 プロビット(Probit):正規分布累積関数(累積正規分布関数)の逆関数
https://w.atwiki.jp/ore-tuba/pages/16.html
◆簡易まとめ ◆キャラクター相関図(9話時点) ◆キャラクター相関図(12話時点) ◆林田美咲を探せ(12話まで) ◆OP変更点(5話以降~) ◆OPの二面性演出 ◆簡易まとめ ◆キャラクター相関図(9話時点) ◆キャラクター相関図(12話時点) +←クリックして表示、ネタバレ注意 ◆林田美咲を探せ(12話まで) ◆OP変更点(5話以降~) ◆OPの二面性演出
https://w.atwiki.jp/ragadoon/pages/121.html
人や石、竜など増えてきたので、もう一度まとめてみた。・・・バルムンクはメモしてあった者のみなので足りないかも。 - みやび 2010-12-03 21 44 28 マップ超わかりやすくてgood - O-Ton 2010-10-29 22 37 02 わたしです。整理したかったので。 - みやび 2010-08-19 00 35 53 すげーww だれがつくったのwww - O-Ton 2010-08-12 21 41 28
https://w.atwiki.jp/hayeong/pages/37.html
estimate 高 → t値 高 → p値 低 帰無仮説H0 = XはYを説明しない。 t値の絶対値が大きいほど、 珍しいこと 不自然なこと 帰無仮説が間違ってる(帰無仮説は棄却される) XはYを説明する。 p値が5%より小さい場合,t値が偶然である確率が少ない。 p値が少ないほど、t値が正しい。 ピアソンの相関係数(絶対値)0.2~0.4 弱い相関 0.4~0.7 中等度の相関 0.7~1 強い相関 参考:http //phi.med.gunma-u.ac.jp/medstat/it2009-08r.html