約 6,602 件
https://w.atwiki.jp/dennou-coil/pages/14.html
■キャラ相関図・その1 キャラ相関図・その1(17話更新) オジジ モジョ 暗号屋? ↓ ↑ ↓ メガマス社 コイル デンスケ←(製作) (手下) (指令?) ↓ ┏━電脳探偵局━━━┿━┓ ↑ ┏━━┿━━┓ (出向)┃ ↑ ┃ └──╂─┐↓ ┃ 大┏━┿━╋━━┓ メガばぁ... (ペット.)┃ ┌→(?)←╂─イサコ 黒 黒┃ ↓ ┃ ┃ ↑ ↑ ↑ ┃京子│ ┌──╂─┘↑ 客┃ 室長 ┃┌─╂(因縁)│ │ ┃ ↑ │ ↓ ┌╂──┘ ク┃ ↑ ┃└┐┃ (祖母)┐│┌╂(妹)│(取引)│┃ ガチャギリ ラ┃ └─╂─┼╂(父)┐┏━┿┿┿╋━┓│ ↑ │┃ ナメッチ ブ┃猫目─╂─┼╂─┐└╂.ヤサコ┘┃┌╂┘ │ │┗━┯━┯━┛┃ ↑ ┃┌┘┃ ↓ ┃ ↓└─╂┘┃┌─┘ │ │ ↓┃(上司)┃│ ┃(忠告)┃(気になる) ┃│ (ライバル心) ↓ (脱退)┃ ↑ ┃│ ┃ │ ┃ ↓ ┃ ┃│ ↑ (離反)└→アキラ┃┏┿━┛↓ ┃ └→╂.ハラケン.╂→╂┘┌→─┘ ┌┼┐ ↑ ↓┃┃└─玉子←╂(叔母)╂─┘┌─╂→╂─┼→(弟)─┘↓└──┘(ペット)┃┃ (17歳)←╂─┐ ┃ フミエ ─╂→╂┐│ ┏━━┷━━━┓ ↓┃┗━━━━━╋━┿━╋━━━━┛ ┃│└→(幼馴染)←ダイチ ┃ミゼット┗━大黒市━━┛(旧知)┃ アイコ. ┃└─┐ ┃ ┃ 空間管理室 │ ┃ ┃ ↓ ┃ デンパ(誘電波体質) ↓ └─╂→マイコ先生. ┃ ( シモベ) ┃ ┃( バグ駆除に導入. ) ┃ (顧問) ┃ ↓ ┗元祖黒客━━┛ ↓ ┃ ┃ オヤジ サッチー ┗━生物部━━┛ ♀型ミゼット(?)
https://w.atwiki.jp/jujin/pages/1022.html
佳望学園相関図
https://w.atwiki.jp/inter-relation/
|||||国際関係論/相関社会科学 2007||||| お知らせ 久しぶりに更新。ふつうの掲示板つくりました。あるものとしては主に ふつうの掲示板 スレッド式掲示板 写真 リンク です。写真は随時募集中です。連絡事項とか宣伝とかはふつうの掲示板(携帯も可)のほうに書いちゃってください。ではでは。
https://w.atwiki.jp/orirowa2nd_ver2/pages/169.html
参加者候補相関図 up0187.jpg
https://w.atwiki.jp/p_mind/pages/70.html
意識に相関した脳活動(英 NCC、Neural correlates of consciousness)とは、特定の意識的知覚を生み出したり意識的な記憶を引き起こすのに十分な、最小の神経メカニズムとして定義される。 物理主義的な立場から心脳問題の解決に向け、「心」についての哲学的な問題を保留して、実験的に扱うことの出来ることに集中しようとする立場である。脳についての神経科学的な解明の鍵となるのが、意識に相関した脳活動である。 最小限という概念がポイントである。脳活動全体は明らかに意識を引き起こすのに十分であり、その内のどの下位構成要素が意識的な体験を引き起こすのに必要かという問題だ。 全ての感覚、精神状態は意識に相関した脳活動に関連付けられる。もしも、神経外科手術の際などの大脳皮質の微小刺激などによって、意識に相関した脳活動を人工的に引き起こすことが出来れば、被験者はその脳活動に関連付けられる知覚を体験するだろう。 具体的な研究内容はWikipediaの意識に相関した脳活動を参照されたし。
https://w.atwiki.jp/shinkiss_matome/pages/468.html
スイマセンが『フェレンツェ』でお願いします『フェ』(私もですが相関図を利用する方が多いようなので… -- (神姫の父) 2007-01-21 23 44 08 フェレンツェ氏、訂正させていただきました。また何かあったらよろしくお願いします。あと、ここ数日の投稿ラッシュに伴う全体の見直しは、来週あたりを予定しています。 -- (相関図) 2007-01-22 00 03 03 ありがとうございます。毎回の更新お疲れ様です。とても便利な相関図、重宝させていただいています。ではでは。。。 -- (神姫の父) 2007-01-22 00 18 20 うちのキャラもわざわざ載せて下さりありがとうございます。特に問題あるとは思いませんが、一応、慎一と梓は高校生以下でよろしくお願いします。 -- (幻の作者) 2007-01-25 22 10 37 どうもです、更新乙カレー様であります。 で、申し訳ない、ヴェルナは騎士子なんです。。。 -- (けものや) 2007-01-25 22 43 06 ヴェルナ嬢、慎一氏、梓嬢の三点、修正いたしました。またツッコミ所などありましたらお願いします。 -- (相関図) 2007-01-25 23 18 15 今見たら、鈴乃と志郎の神姫が両方ともアリアになってました。鈴乃の方はアガサですので修正をお願いします。……いや以前自分で派手に間違えて投下したことがあるのでその情報からかなorz -- (ねここのひと) 2007-01-25 23 29 31 修正ありがとうございます。 しっかし、よくまとめられましたね。。。 何度見てもすごいですねぇ。。。(汗 -- (けものや) 2007-01-25 23 32 36 アガサ嬢の名前修正しました。以前からの誤植だったようですが、何で間違えたんだろう……? -- (相関図) 2007-01-26 00 36 27 相関図お疲れ様です。えと、非常にわかりにくい書きかたをした私が悪いのですが、焔は「犬」でお願いします。本当に申し訳ありません。 -- (せつなの人) 2007-01-26 11 17 46 焔嬢のタイプ修正しました。 この手の相関図は作ることが多かったもので。主に私用だったので、誤植は割とほったらかしでしたが(ぉぃ -- (相関図) 2007-01-26 22 15 42 相関図に載せていただきありがとうございます。基本的にはこれでOKです。あと、沼田さんも小百合さんと同じ研究所ですのでお願いします。(担当している分野は違いますが) -- (muna) 2007-01-28 14 48 46 ごめんなさい。全キャラを載せたいのはやまやまなのですが、脇役に関してはある程度まとめ・省略させて戴いています(エルゴ飛行隊や八相、SSFに関しても同様です。黒葉学園神姫部に関しては本編始動後に調整予定です。エルゴ飛行隊は次回の更新で調整・再掲します)。本当にすみません。 -- (相関図) 2007-01-28 23 56 31 ご苦労様です。飛行隊に関しては本当に放っておいてかまいません。なにしろ人数が人数ですので。 -- (マイティのひと) 2007-01-29 01 37 41 覗いてみましたが、カオスですね。 -- (ichguc) 2008-12-30 15 36 31
https://w.atwiki.jp/hayeong/pages/44.html
共分散 相関
https://w.atwiki.jp/foresanc/pages/357.html
キャラクター相関図 概要 あるキャラクターが、他のキャラクターに対してどう思っているのかを書いたもの。 yuki氏が気まぐれで作った事が始まりであるが、それに他の作者達も挙って相関図を書いたことにより聖域内で広まった。 とは言え相関図…を実際に用意している人物は現時点では誰もいないが…。 作者が同じキャラクター・違うキャラクター含めて、用意されている。 基本的に相手のキャラクター名の後にどう思っているのか尋ねられた場合にどう口に出すのかが書かれているのだが、 相手のキャラクターによっては、口では言えない本当の思いが書かれている事も…。 また、作者によっては「作者別キャラリスト」に記載されているもののみならず、「一発キャラ・敵キャラ」に記載されているキャラクターについても書かれている場合もある。 現在、キャラクター相関図を書いている作者を如何に列挙することにする。 作者名をクリックする事で、各作者のキャラクター相関ページへ移動することが出来る。 (以下50音順。 順番を間違えてしまっていたらすみません。) cell ソロモン 虎眼 虎眼(マリヴィン一派キャラ) 珀路 MY yuki
https://w.atwiki.jp/rmemo/pages/21.html
同時度数分布 散布図 相関係数 同時度数分布 とりあえず東証平均の収益率と同時期の新日鉄の収益率を入力する。 (ここではエクセルに入力してあったデータをコピペした) tosho -scan() 1 1.9 0.0 -2.1 2.9 0.0 1.1 -0.3 1.6 2.7 1.5 -0.6 0.3 13 3.3 -0.4 5.3 6.0 -0.1 4.7 1.0 -0.4 -6.1 0.4 0.4 2.9 25 2.2 -4.9 -3.0 2.3 0.1 -1.3 -1.5 -0.1 -0.5 3.6 6.6 tosho -ts(tosho,frequency=12,start=1980) tosho Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec 1980 1.9 0.0 -2.1 2.9 0.0 1.1 -0.3 1.6 2.7 1.5 -0.6 0.3 1981 3.3 -0.4 5.3 6.0 -0.1 4.7 1.0 -0.4 -6.1 0.4 0.4 2.9 1982 2.2 -4.9 -3.0 2.3 0.1 -1.3 -1.5 -0.1 -0.5 3.6 6.6 2.7 1983 -0.9 0.7 5.0 2.4 0.9 3.1 1.5 2.0 2.4 -0.8 0.6 6.5 1984 6.1 -0.2 12.7 -1.0 -9.9 2.6 -4.1 7.0 1.4 4.6 2.0 4.3 shinnittetu -ts(shinnittetu,frequency=12,start=1980) shinnittetu Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec 1980 9.2 2.3 -6.5 9.0 5.3 -4.3 -3.7 7.0 7.6 1.4 -3.4 0.7 1981 2.8 -1.4 17.6 17.8 5.5 -1.9 1.9 9.0 -10.3 -10.3 -7.7 6.5 1982 -0.6 -11.8 3.5 1.9 -5.5 -9.1 -5.7 2.3 -4.9 -0.8 8.0 6.7 1983 -2.8 9.3 11.4 3.0 -7.5 2.5 -0.6 1.8 5.1 -2.3 -6.0 10.6 1984 0.0 -5.7 10.6 -0.6 -11.2 -3.8 -5.2 6.2 -4.2 2.1 0.6 4.7 東証平均と新日鉄のデータについて、データの範囲と大体の分布をみるために、5 数要約 fivenum() : 最小値・下側ヒンジ・中央値・上側ヒンジ・最大値を見る。 fivenum(tosho) [1] -9.90 -0.35 1.25 2.90 12.70 fivenum(shinnittetu) [1] -11.80 -4.25 1.05 5.85 17.80 さて、この2つのデータから同時度数分布を作ろう。 まず連続変数をカテゴリー変数に変換するために使用するのは cut 関数である。 区切り(2刻み)を変数breaksにいれて breaks -seq(-10,14,by=2) breaks2 -seq(-12,18,by=2) cut()を使う。「○○以上□□未満」の場合は right = FALSE にする必要がある。 c_tosho -cut(tosho,breaks,right=F) c_shinnittetu -cut(sinnittetu,breaks2,right=F) カテゴリー化できたら、それらをつかってクロス表をつくる。 table(c_tosho,c_shinnittetu) これすなわち同時度数分布となっている。 c_shinnittetu c_tosho [-12,-10) [-10,-8) [-8,-6) [-6,-4) [-4,-2) [-2,0) [0,2) [2,4) [-10,-8) 1 0 0 0 0 0 0 0 [-8,-6) 1 0 0 0 0 0 0 0 [-6,-4) 1 0 0 1 0 0 0 0 [-4,-2) 0 0 1 0 0 0 0 1 [-2,0) 0 1 0 3 4 2 0 1 [0,2) 1 0 2 4 0 1 3 1 [2,4) 0 0 0 0 1 2 3 3 [4,6) 0 0 0 0 0 1 0 1 [6,8) 0 0 0 0 0 0 1 0 [8,10) 0 0 0 0 0 0 0 0 [10,12) 0 0 0 0 0 0 0 0 [12,14) 0 0 0 0 0 0 0 0 c_shinnittetu c_tosho [4,6) [6,8) [8,10) [10,12) [12,14) [14,16) [16,18) [-10,-8) 0 0 0 0 0 0 0 [-8,-6) 0 0 0 0 0 0 0 [-6,-4) 0 0 0 0 0 0 0 [-4,-2) 0 0 0 0 0 0 0 [-2,0) 1 0 1 0 0 0 0 [0,2) 1 1 2 0 0 0 0 [2,4) 1 3 1 0 0 0 0 [4,6) 1 0 0 1 0 0 1 [6,8) 0 1 1 1 0 0 1 [8,10) 0 0 0 0 0 0 0 [10,12) 0 0 0 0 0 0 0 [12,14) 0 0 0 1 0 0 0 これを3次元のグラフにしよう。 同時度数分布なので、同時度数グラフとか3次元ヒストグラムとか呼ばれる。 まず3次元データとして使いやすいようにデータを加工する。変数matにクロス集計を格納して、 mat -table(c_tosho,c_shinnittetu) これを次のようなデータ・フレーム形式にする。 s3d.dat - data.frame(cols=as.vector(col(mat)),rows=as.vector(row(mat)),value=as.vector(mat)) 何をやっているかは、結果を見た方が理解が早い。 s3d.dat cols rows value 1 1 1 1 2 1 2 1 3 1 3 1 4 1 4 0 5 1 5 0 6 1 6 1 7 1 7 0 ……(中略)…… 176 15 8 1 177 15 9 1 178 15 10 0 179 15 11 0 180 15 12 0 つまりm行目のn列目の数値はいくつであるか、を並べているのである。 これをscatterplot3d()に渡してやると、まずは三次元にぶつぶつが浮かぶ。 scatterplot3d(s3d.dat) これを棒グラフっぽくするには、type="h"とし、太さを lwd=5で少し太らせ、 pch=" "で、棒の先端についたキャラクタを外す。 scatterplot3d(s3d.dat,type="h", lwd=5, pch=" ") 散布図 二つの量の関係を確かめるには、散布図が一番だ。 散布図は普通、 plot(x,y) の形で描けるが、いま扱っているデータは、toshoもshinnitetuも時系列データで、そのまま plot(tosho,shinnitetu) では、時系列の順に結ばれる折れ線グラフとなる。 普通の散布図が欲しい場合には、as.vector()関数で、データをベクトル・データに変換してやればいい。 ここでは、少し工夫して、それぞれのヒストグラムをつけた散布図を書いてみる。 xhist - hist(tosho, plot=FALSE) # 棒グラフ情報を記録 yhist - hist(shinnittetu, plot=FALSE) # 棒グラフ情報を記録 top - max(c(xhist$counts, yhist$counts)) xrange - c(-15,15) yrange - c(-15,15) # layout 関数で画面を横に 3 1、縦に1 3 の4画面に分割 # 副画面の番号を [1,1] - 2, [1,2] - 0, [2,1] - 1, [2,2] - 3 とする # 番号 0 の副画面には何も描かない(?) nf - layout(matrix(c(2,0,1,3),2,2,byrow=TRUE), c(3,1), c(1,3), TRUE) par(mar=c(3,3,1,1)) #番号1の副画面の余白指定 plot(as.vector(tosho), as.vector(shinnittetu), xlim=xrange, ylim=yrange, xlab="", ylab="") # 番号1の副画面にプロット par(mar=c(0,3,1,1)) #番号2の副画面の余白指定 barplot(xhist$counts, axes=FALSE, ylim=c(0, top), space=0) # 番号2の副画面にプロット par(mar=c(3,0,1,1)) #番号3の副画面の余白指定 barplot(yhist$counts, axes=FALSE, xlim=c(0, top), space=0, horiz=TRUE) # 番号3の副画面にプロット 相関係数 n組のデータ(x1、y1)……(xn、yn)で与えられる、2変数の関係を表す指標を考えよう。 東証平均と新日鉄のデータをベクトル・データに変換しておく。 v.tosho -as.vector(tosho) v.shinnittetu -as.vector(shinnittetu) データはそれぞれxの平均、yの平均のまわりに散らばっている。 平均まわりの散らばり具合を、平均からの偏差で考える。 xの偏差がプラス(マイナス)で、yの偏差がプラス(マイナス)なら、両者の関係もプラスだろうと考えるのが自然である。 同様に、xの偏差がマイナス(プラス)で、yの偏差がプラス(マイナス)なら、両者の関係もマイナスだろうと考えるのが自然である。 データそれぞれについて、偏差の積を考え、それらの平均を得ると、共分散という指数が得られる。すなわち 1/length(v.tosho)*sum( ( (v.tosho-mean(v.tosho) )*( (v.shinnittetu-mean(v.shinnittetu) ) ) ) ) [1] 15.18402 しかし例のごとく、この量ははかる単位に依存する。依存しないようにするために、xの標準偏差とyの標準偏差で割っておこう。 以前つくった標準偏差を求める関数を思い出そう。関数名を()抜きでタイプしてエンター・キーを押すと、関数の「中身」が見れる。 sampleSD function(x){sqrt(sampleVar(x))} これをつかって、東証平均と新日鉄のデータそれぞれの標準偏差を求める。 sampleSD(v.tosho) [1] 3.390255 sampleSD(v.shinnittetu) [1] 6.738344 あとは、これらで共分散を割ってやる 15.18402/(3.390255*6.738344) [1] 0.6646626 この指標を相関係数という。相関係数を2系列のデータから求めるには、Rに用意されているcor()関数を使えばいい。 cor(v.tosho,v.shinnittetu) [1] 0.6646628 相関係数は−1〜+1の値をとる性質がある。0(ゼロ)ときは相関がないといい、+1のときは最も強いプラスの相関が、−1のときは最も強いマイナスの相関がある。 一見は百聞にしかず。ある相関係数をもったデータの組を散布図で見てみよう。 量質ともに膨大な統計学リソースを提供している青木先生によるRのページhttp //aoki2.si.gunma-u.ac.jp/R/から、「特定の相関係数を持つ二変量データを生成する関数」を借用する。 gendat2 - function(nc, r) { # 仮のデータ行列を作る。この時点では変数間の相関は近似的に0である。 z - matrix(rnorm(2*nc), ncol=2) # 主成分分析を行い,主成分得点を求める。この時点で変数間の相関は完全に0である。 res - eigen(r2 - cor(z)) coeff - solve(r2) %*% (sqrt(matrix(res$values, 2, 2, byrow=TRUE))*res$vectors) z - t((t(z)-apply(z, 2, mean))/sqrt(apply(z, 2, var)*(nc-1)/nc)) %*% coeff # コレスキー分解の結果をもとに,指定された相関係数行列 を持つように主成分得点を変換する。 z %*% chol(matrix(c(1, r, r, 1), ncol=2)) } 使い方は、 相関係数0.9のデータを100組つくって、その散布図を描く。 plot(gendat2(100,0.9)) 相関係数ー0.9のデータを100組つくって、その散布図を描く。 plot(gendat2(100,-0.9)) 相関係数0.2のデータを100組つくって、その散布図を描く。 plot(gendat2(100,0.2)) 相関係数の絶対値が1に近づくほど、データはある直線の上に近づくように見える。 →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/stools/pages/17.html
1. 相関関係の把握 相関関係 2つの変数xとyがあるとき,xの変化に伴って,yも変化するような関係を相関関係という. 相関分析 相関関係の有無を統計的に調べることを相関分析という. 相関分析を視覚的に確認するとき,散布図を用いることが多い. 散布図視察のポイント ○はずれ値は無いか ○2変数xとyの間にどのような関係(直線関係,曲線関係,無関係)があるか ○グループが形成されていないか 相関係数 2つの変数の間に相関関係があるかどうかを数値的に判断するには,相関係数と呼ばれる指標を利用する. 相関係数は,通常rで表され,-1≦r≦1の値を取る. 2. 母相関係数に関する検定と推定