約 6,595 件
https://w.atwiki.jp/ksii201116/pages/19.html
今日は、数値シミュレーションで必要となる、相関を持つ２つのLevy過程を生成するプログラムを作ろうと思っていましたが、理論の方がよくわからず、それを理解しようとしているうちに時間が来てしまいました。 名前 コメント
https://w.atwiki.jp/saki726/pages/15.html
2007.10.04 ドラマ【魔王】（Soーnetさんオフィシャルサイト） 2007年10月5日（金）からSoーnetさんにて放送開始♪ 第1話あらすじ 第1話〜第3話までの人物相関図 拡大はこちらをクリック♪ - -
https://w.atwiki.jp/stat_semi/pages/14.html
目次 「推計学のすすめ」です(リンク先Amazon)。 最初の課題図書です。 議論はちょっぴり浅いかもしれませんが、感覚的な理解に焦点を絞り、(擬似的な)シミュレーションによって各種の分布を作り出していくやり方は入門書にぴったりだと思います。出版当時(1968年！)はカードをシャッフルして引いて～なんていう「シミュレーション」しか無理でしたが、いまや我々はPCを自由に使えますし、Rという簡単な統計ソフトandプログラミング言語も手にしています。ほんのすこしRの勉強に力を傾ければ、実際に本物のシミュレーションを行ってみることができます。それによって統計の勉強がよりスムーズに進められることでしょう。 ブルーバックスじゃないかーとかくさらずに頑張っていきましょー ※節のタイトルをクリックするとレジメへ飛びます！ 第1章 偶然か特殊能力か？ ―仮説検定という考え方―1. 精神力が物を動かす話 2. 舌自慢を検定する話 第2章 バラついた数を読む ―分布の話―1. パン屋のインチキをあばく話 2. 飲んべえ族に耳寄りな話 3. 時計メーカーを選ぶ話 4. 猩猩バエが酒を鑑定する話?ノーマル・チップスを用いたシミュレーションをRで再現する 第3章 優劣を比べる ―差の問題―1. ゴルファーの腕比べの話 2. バラツキはばらせという話 第4章 関係をたしかめる ―独立性・相関―1. 誤った観察が身近にしばしばあるという話 2. 美人コンテストの審査員を審査する話 3. 怪獣は怪獣という話?相関係数の幾何的解釈 4. 人工なまずの話 第5章 正しい数字を得る方法 ―計画の問題―1. デタラメを利用する話 2. 推計学の始まりともいうべき話 3. 釣り合いは美ばかりではないという話
https://w.atwiki.jp/gbmas/pages/30.html
「タイム・マ☆ティン♪にお願い」 相関図 ネタバレ注意 GBM01 プロローグ Ａ：作動させる GBM50(連れて行く人を選ぶ) Ｂ：作動させない GBM100(機械を見てる子に声をかける)
https://w.atwiki.jp/wakata_banana/pages/2.html
メニュー トップページ 相関図 若田 ばなな 拍手 すが さりお 馴れ初め リンク @wiki @wikiご利用ガイド 他のサービス 無料ホームページ作成 無料ブログ作成 2ch型掲示板レンタル 無料掲示板レンタル お絵かきレンタル 無料ソーシャルプロフ ここを編集
https://w.atwiki.jp/arahabaki/pages/119.html
キャラクター相関図 主人公⇒ヒロイン 対象外乙 主人公⇒ロリ (´д`) ﾊｧﾊｧ ヒロイン⇒主人公 何故か気になる ヒロイン⇒ロリ ロリ⇒主人公 きめぇｗｗｗ ロリ⇒ヒロイン うぜぇｗｗｗ 根はみんないい子なんです。たぶん。
https://w.atwiki.jp/yurippe/pages/62.html
転生★転生９回転生８回転生７回転生６回転生５回転生４回転生３回転生２回転生１回転生０回 キャラLv99限定 キャラLv任意設定 （注意）転生回数およびキャラLvは、全職業中の最大値が適用されます。 転生８回 キャラLv99 種地図Lv ランク値範囲 DD C9 B5 A1 8D 79 248-221 220-201 200-181 180-161 160-141 140-121 Lv99 215～261 87.2％ 12.8％ Lv98 214～260 85.1％ 14.9％ Lv97 213～259 83.0％ 17.0％ Lv96 212～258 80.9％ 19.1％ Lv95 211～257 78.7％ 21.3％ Lv94 210～256 76.6％ 23.4％ Lv93 209～255 74.5％ 25.5％ Lv92 208～254 72.3％ 27.7％ Lv91 207～253 70.2％ 29.8％ Lv90 207～251 68.9％ 31.1％ Lv89 206～250 66.7％ 33.3％ Lv88 205～249 64.4％ 35.6％ Lv87 204～248 62.2％ 37.8％ Lv86 203～247 60.0％ 40.0％ Lv85 202～246 57.8％ 42.2％ Lv84 201～245 55.6％ 44.4％ Lv83 200～244 53.3％ 44.4％ 2.2％ Lv82 199～243 51.1％ 44.4％ 4.4％ Lv81 198～242 48.9％ 44.4％ 6.7％ Lv80 198～240 46.5％ 46.5％ 7.0％ 種地図Lv ランク値範囲 DD C9 B5 A1 8D 79 Lv79 197～239 44.2％ 46.5％ 9.3％ Lv78 196～238 41.9％ 46.5％ 11.6％ Lv77 195～237 39.5％ 46.5％ 14.0％ Lv76 194～236 37.2％ 46.5％ 16.3％ Lv75 193～235 34.9％ 46.5％ 18.6％ Lv74 192～234 32.6％ 46.5％ 20.9％ Lv73 191～233 30.2％ 46.5％ 23.3％ Lv72 190～232 27.9％ 46.5％ 25.6％ Lv71 189～231 25.6％ 46.5％ 27.9％ Lv70 189～229 22.0％ 48.8％ 29.3％ Lv69 188～228 19.5％ 48.8％ 31.7％ Lv68 187～227 17.1％ 48.8％ 34.1％ Lv67 186～226 14.6％ 48.8％ 36.6％ Lv66 185～225 12.2％ 48.8％ 39.0％ Lv65 184～224 9.8％ 48.8％ 41.5％ Lv64 183～223 7.3％ 48.8％ 43.9％ Lv63 182～222 4.9％ 48.8％ 46.3％ Lv62 181～221 2.4％ 48.8％ 48.8％ Lv61 180～220 48.8％ 48.8％ 2.4％ Lv60 180～218 46.2％ 51.3％ 2.6％ 種地図Lv ランク値範囲 DD C9 B5 A1 8D 79 Lv59 179～217 43.6％ 51.3％ 5.1％ Lv58 178～216 41.0％ 51.3％ 7.7％ Lv57 177～215 38.5％ 51.3％ 10.3％ Lv56 176～214 35.9％ 51.3％ 12.8％ Lv55 175～213 33.3％ 51.3％ 15.4％ Lv54 174～212 30.8％ 51.3％ 17.9％ Lv53 173～211 28.2％ 51.3％ 20.5％ Lv52 172～210 25.6％ 51.3％ 23.1％ Lv51 171～209 23.1％ 51.3％ 25.6％ Lv50 171～207 18.9％ 54.1％ 27.0％ Lv49 170～206 16.2％ 54.1％ 29.7％ Lv48 169～205 13.5％ 54.1％ 32.4％ Lv47 168～204 10.8％ 54.1％ 35.1％ Lv46 167～203 8.1％ 54.1％ 37.8％ Lv45 166～202 5.4％ 54.1％ 40.5％ Lv44 165～201 2.7％ 54.1％ 43.2％ Lv43 164～200 54.1％ 45.9％ Lv42 163～199 51.4％ 48.6％ Lv41 162～198 48.6％ 51.4％ Lv40 162～196 45.7％ 54.3％ 種地図Lv ランク値範囲 DD C9 B5 A1 8D 79 Lv39 161～195 42.9％ 57.1％ Lv38 160～194 40.0％ 57.1％ 2.9％ Lv37 159～193 37.1％ 57.1％ 5.7％ Lv36 158～192 34.3％ 57.1％ 8.6％ Lv35 157～191 31.4％ 57.1％ 11.4％ Lv34 156～190 28.6％ 57.1％ 14.3％ Lv33 155～189 25.7％ 57.1％ 17.1％ Lv32 154～188 22.9％ 57.1％ 20.0％ Lv31 153～187 20.0％ 57.1％ 22.9％ Lv30 153～185 15.2％ 60.6％ 24.2％ Lv29 152～184 12.1％ 60.6％ 27.3％ Lv28 151～183 9.1％ 60.6％ 30.3％ Lv27 150～182 6.1％ 60.6％ 33.3％ Lv26 149～181 3.0％ 60.6％ 36.4％ Lv25 148～180 60.6％ 39.4％ Lv24 147～179 57.6％ 42.4％ Lv23 146～178 54.5％ 45.5％ Lv22 145～177 51.5％ 48.5％ Lv21 144～176 48.5％ 51.5％ Lv20 144～174 45.2％ 54.8％ 種地図Lv ランク値範囲 DD C9 B5 A1 8D 79 Lv19 143～173 41.9％ 58.1％ Lv18 142～172 38.7％ 61.3％ Lv17 141～171 35.5％ 64.5％ Lv16 140～170 32.3％ 64.5％ 3.2％ Lv15 139～169 29.0％ 64.5％ 6.5％ Lv14 138～168 25.8％ 64.5％ 9.7％ Lv13 137～167 22.6％ 64.5％ 12.9％ Lv12 136～166 19.4％ 64.5％ 16.1％ Lv11 135～165 16.1％ 64.5％ 19.4％ Lv10 135～163 10.3％ 69.0％ 20.7％ Lv9 134～162 6.9％ 69.0％ 24.1％ Lv8 133～161 3.4％ 69.0％ 27.6％ Lv7 132～160 69.0％ 31.0％ Lv6 131～159 65.5％ 34.5％ Lv5 130～158 62.1％ 37.9％ Lv4 129～157 58.6％ 41.4％ Lv3 128～156 55.2％ 44.8％ Lv2 127～155 51.7％ 48.3％ Lv1 126～154 48.3％ 51.7％ 種地図Lv ランク値範囲 DD C9 B5 A1 8D 79 キャラLv99限定 キャラLv任意設定 転生８回 キャラLv任意 種地図Lv＋キャラLv ランク値範囲 8D 79 65 51 4C 3D 38 02 160-141 140-121 120-101 100-81 80-76 75-61 60-56 55-2 ９９ 126～152 44.4％ 55.6％ ９８ 125～151 40.7％ 59.3％ ９７ 124～150 37.0％ 63.0％ ９６ 123～149 33.3％ 66.7％ ９５ 122～148 29.6％ 70.4％ ９４ 121～147 25.9％ 74.1％ ９３ 120～146 22.2％ 74.1％ 3.7％ ９２ 119～145 18.5％ 74.1％ 7.4％ ９１ 118～144 14.8％ 74.1％ 11.1％ ９０ 117～143 11.1％ 74.1％ 14.8％ ８９ 117～141 4.0％ 80.0％ 16.0％ ８８ 116～140 80.0％ 20.0％ ８７ 115～139 76.0％ 24.0％ ８６ 114～138 72.0％ 28.0％ ８５ 113～137 68.0％ 32.0％ ８４ 112～136 64.0％ 36.0％ ８３ 111～135 60.0％ 40.0％ ８２ 110～134 56.0％ 44.0％ ８１ 109～133 52.0％ 48.0％ ８０ 108～132 48.0％ 52.0％ 種Lv＋ｷｬﾗLv ランク値範囲 8D 79 65 51 4C 3D 38 02 ７９ 108～130 43.5％ 56.5％ ７８ 107～129 39.1％ 60.9％ ７７ 106～128 34.8％ 65.2％ ７６ 105～127 30.4％ 69.6％ ７５ 104～126 26.1％ 73.9％ ７４ 103～125 21.7％ 78.3％ ７３ 102～124 17.4％ 82.6％ ７２ 101～123 13.0％ 87.0％ ７１ 100～122 8.7％ 87.0％ 4.3％ ７０ 99～121 4.3％ 87.0％ 8.7％ ６９ 99～119 90.5％ 9.5％ ６８ 98～118 85.7％ 14.3％ ６７ 97～117 81.0％ 19.0％ ６６ 96～116 76.2％ 23.8％ ６５ 95～115 71.4％ 28.6％ ６４ 94～114 66.7％ 33.3％ ６３ 93～113 61.9％ 38.1％ ６２ 92～112 57.1％ 42.9％ ６１ 91～111 52.4％ 47.6％ ６０ 90～110 47.6％ 52.4％ 種Lv＋ｷｬﾗLv ランク値範囲 8D 79 65 51 4C 3D 38 02 ５９ 90～108 42.1％ 57.9％ ５８ 89～107 36.8％ 63.2％ ５７ 88～106 31.6％ 68.4％ ５６ 87～105 26.3％ 73.7％ ５５ 86～104 21.1％ 78.9％ ５４ 85～103 15.8％ 84.2％ ５３ 84～102 10.5％ 89.5％ ５２ 83～101 5.3％ 94.7％ ５１ 82～100 100％ ５０ 81～99 100％ ４９ 81～97 100％ ４８ 80～96 94.1％ 5.9％ ４７ 79～95 88.2％ 11.8％ ４６ 78～94 82.4％ 17.6％ ４５ 77～93 76.5％ 23.5％ ４４ 76～92 70.6％ 29.4％ ４３ 75～91 64.7％ 29.4％ 5.9％ ４２ 74～90 58.8％ 29.4％ 11.8％ ４１ 73～89 52.9％ 29.4％ 17.6％ ４０ 72～88 47.1％ 29.4％ 23.5％ 種Lv＋ｷｬﾗLv ランク値範囲 8D 79 65 51 4C 3D 38 02 ３９ 72～86 40.0％ 33.3％ 26.7％ ３８ 71～85 33.3％ 33.3％ 33.3％ ３７ 70～84 26.7％ 33.3％ 40.0％ ３６ 69～83 20.0％ 33.3％ 46.7％ ３５ 68～82 13.3％ 33.3％ 53.3％ ３４ 67～81 6.7％ 33.3％ 60.0％ ３３ 66～80 33.3％ 66.7％ ３２ 65～79 26.7％ 73.3％ ３１ 64～78 20.0％ 80.0％ ３０ 63～77 13.3％ 86.7％ ２９ 63～75 100％ ２８ 62～74 100％ ２７ 61～73 100％ ２６ 60～72 92.3％ 7.7％ ２５ 59～71 84.6％ 15.4％ ２４ 58～70 76.9％ 23.1％ ２３ 57～69 69.2％ 30.8％ ２２ 56～68 61.5％ 38.5％ ２１ 55～67 53.8％ 38.5％ 7.7％ ２０ 54～66 46.2％ 45.5％ 15.4％ 種Lv＋ｷｬﾗLv ランク値範囲 8D 79 65 51 4C 3D 38 02 １９ 54～64 36.4％ 45.5％ 18.2％ １８ 53～63 27.3％ 45.5％ 27.3％ １７ 52～62 18.2％ 45.5％ 36.4％ １６ 51～61 9.1％ 45.5％ 45.5％ １５ 50～60 45.5％ 54.5％ １４ 49～59 36.4％ 63.6％ １３ 48～58 27.3％ 72.7％ １２ 47～57 18.2％ 81.8％ １１ 46～56 9.1％ 90.9％ １０ 45～55 100％ ９ 45～53 100％ ８ 44～52 100％ ７ 43～51 100％ ６ 42～50 100％ ５ 41～49 100％ ４ 40～48 100％ ３ 39～47 100％ ２ 38～46 100％ 種Lv＋ｷｬﾗLv ランク値範囲 8D 79 65 51 4C 3D 38 02 ページTOPへ 所有地図一覧ページへ Total -
https://w.atwiki.jp/wiki5_hks/pages/52.html
（以下はまだドラフト．あまりにラフすぎる） 基本的な考え方 たとえば，（吸収相のない）２－コンパートメントモデルを考える．推定すべき PK パラメータは ＣＬ，Vcentral，Q，Vperipheral の 4 つである．原理的にはこれら 4 つのパラメータすべてに個体間変動（個人差）は存在するはずである．しかし，それらすべてが実際に推定できるとは限らない．どの PK パラメータの個体間変動を推定することが可能かを得られているデータに基づいて検討する必要がある． 上記２－コンパートメントモデルの場合でいうと，個体間変動パラメータの推定可能性に関しては以下の組み合わせが考えられる（もちろん，例外はありうる）． CL のみの個体間変動を推定可能 CL と Vcentral のみの個体間変動を推定可能 CL，Vcentral，Q のみ，あるいは CL，Vcentral，Vperipheral のみの個体間変動を推定可能 CL，Vcentral，Q，Vperipheral すべての個体間変動を推定可能の個体間変動を推定可能 上記のほかの組み合わせも論理的には考えられるが，薬物動態学的観点からは現実的ではないので検討する必要はほぼないであろう．たとえば，血漿中濃度データのみに基づいて CL と Vperipheral の個体差のみを推定できるということはまずありえない． なお，上記の組み合わせそれぞれについて，各 PK パラメータの個体間変動間に相関がありうるか （推定可能か） の検討も必要である．例えば，上記 2. の場合でいうならば，CL と Vcentral の間に相関があるか（それが推定可能か）検討することになる． 検討方法の例 上記の２－コンパートメントモデルの例で考える． まず最初に検討するのは，「1. CL のみ」もしくは「4. CL, Vcentral, Q, Vperipheral すべて」のどちらかであろう．患者から得られた sparse データの解析ならば前者から開始するのが安全である．一方，健康成人より経時的に得られた rich データの解析ならば後者から開始しても問題ない． 「1. CL のみ」から開始する例をまず述べる．この段階で解析結果に問題が認められることはほとんどないであろう．もし，CL の個体間変動が（例えば） 0.1% 以下，あるいは，個体間変動分散の推定精度が非常に悪い（例えば，CV にして 500% 以上），という結果が得られた場合は CL の個体間変動さえ推定することが困難なデータと判断することになる可能性がある．その原因としては例えば，濃度データの精度が非常に悪く，そもそも個人差を推定することさえ不可能ということが考えられる． CL の個体間変動が推定できたならば，次は「CL と Vcentral のみ」に個体間変動を組み込んでみる．その結果，CL の推定値は CL のみの場合とほとんど変わらないが，Vcentral の個体差が非常に小さいあるいは推定精度が非常に悪い，ということがありうる．この場合は，そのデータでは CL の個体差は推定可能であるが，分布容積の個体差は推定不可能（困難）と結論する．あるいは，Vcentral の個体差は妥当な値で推定できているのに対し，CL の個体差が非常に小さいあるいは推定精度が非常に悪いという結果になることもあろう．この場合は，二通りの解釈が可能である．(1) このデータでは Vcentral の個体差は推定可能であるが，CL の個体差は推定不可能（困難）と考える，(2) CL と Vcentral の両方の個体差を推定することが不可能なのであり，どちらかひとつの個体差のみが推定可能である．したがって，データの質を考慮して，CL あるいは Vcentral いずれに個体差をモデル化するかを決定する．例えば，トラフデータがほとんどである場合には，そこに含まれる個体差情報は CL に関するもののみ，と考えるのが妥当であろう． 以降，順次，個体差を考えるパラメータをひとつずつ増加させて検討を進める． 次は，「4. CL, Vcentral, Q, Vperipheral すべて」から開始する例である．考え方は上述の場合とほとんど同じである．個体差の推定値に以上が認められたらその原因を考察して，ひとつずつ個体差パラメータを削除していけばよい．ただし，この際，一点注意が必要である．もし，CL の個体差のみの推定精度が悪く，他の Vcentral，Q，Vperipheral の推定値は妥当であった場合，削除すべきは CL の個体差パラメータではない．この場合，本来データから抽出可能な CL の個体差情報は，見かけ上 Q あるいは Vperipheral の個体差としてとられてしまったのであり，削除すべきは Q （あるいは Vperipheral）の個体差パラメータであると考えるほうが妥当なことが多い．血漿中濃度のみを用いて解析する際に，血漿に直接関与する CL の個人差が推定不可能で，血漿とは直接関連のない，すなわち濃度データのない末梢コンパートメント関連のパラメータの個人差が推定可能ということは考えにくいからである． なお，以上においては，個体間変動パラメータ間に相関が認められる場合の検討に関しては省略した．相関の有無の検討も非常に重要である（→ OMEGAの構造情報参照）． 個体間変動のつけ方も参照．
https://w.atwiki.jp/fxshouken/pages/129.html
センチメント調査に関する主な経済指標 米国 消費者信頼感指数 毎月25日～月末に発表。消費者に対するアンケート調査を基に消費者のマインドを指数化。 ミシガン大消費者信頼感指数 毎月10日前後の金曜日（速報値）、最終金曜日（確報値）に発表。ミシガン大のサーベイ・リサーチセンターが実施する消費者のマインドを指数化。 ISM製造業景気指数 毎月第1営業日に発表。ISM（供給管理公社）が発表する製造業における景気転換の先行指標。50が良いか悪いかを測る分岐点になる。 ISM非製造業景気指数 毎月第3営業日に発表。ISM（供給管理公社）が発表する非製造業における景気転換の先行指標。 シカゴ購買部協会景気指数 毎月月末に発表。シカゴ購買部協会が発表する景気指数で、フィラデルフィアやニューヨーク連銀指数と比較される。 ニューヨーク連銀製造業景気指数 毎月15日前後に発表。ニューヨーク連銀の管轄地域における製造業の景況感。ISOとの相関が比較的高い。 フィラデルフィア連銀製造業景気指数 毎月第3木曜日に発表。フィラデルフィア連銀の管轄地域における製造業の景況感。ISOとの相関が比較的高い。 日本 日銀短観 4月初・7月初・10月初・12月中に発表。資本金10億円以上の上場企業などを対象に、アンケート形式で調査して、それを数値化した指標。 景気動向調査 毎月初に発表。全国の商工会議所がさまざまな業種の組合にヒアリング。「肌で感じる足元の景気感」を全国ベースで毎月調査。 ユーロ 企業信頼感指数 月次、当月下旬に発表。欧州委員会が発表する景況指数。 ドイツのIFO景況感指数 月次、翌月の中旬に発表。IFO研究所が数千社を対象に調査。景気の先行指標として注目度はきわめて高い。 英国 GFK消費者信頼感指数 月次、当月下旬に発表。ドイツの市場調査会社のGFKが発表する景気指数。 トップページへ
https://w.atwiki.jp/douraku-avg/pages/41.html
このページは文字通りの資料置き場です 分類しにくい情報・ファイルを適当に置いておきます より重要性の低い情報をお望みの方はこちらへどうぞ メインヒロイン達 ヒロイン身長比較 キャラクター相関図 名前 コメント