ガラケイからガラホへ

ガラケイからガラホへ

ガラケイとスマホの二台持ちなのですが、ガラケイのアプリが来年の3月末に終了ということなので、案内が来ていたので、このガラケイをガラホにしてみました。

ガラケイでは、モバイルEdyとモバイルnanacoを使っていました。

機種変したガラホでは、標準でモバイルEdyのアプリはあるのですが、モバイルnanacoは現在のところないようです。

モバイルnanacoのガラケイからの引越しの手順をすでに踏んでいるので、どうしたものかと思っていたところ、Androidスマホを使って、ESファイルエクスポーラというアプリで、bluetooth経由で、ガラホにいろいろなアプリをインストールできるらしいので、モバイルnanacoをインストールしてみた。うまくインストールできました。そして、ガラケイからのモバイルnanacoの引越しも完了できました。

簡易版ビンゴのシミュレーション

ビンゴのシミュレーション

 

iOSのbasicのアプリで、ビンゴのシミュレーションを行います。

今回は、ビンゴの限定バージョンです。

 

ビンゴのシミュレーションの難しいところは、ビンゴの自由度を上げることで、真ん中フリーを含む、n×nのビンゴを容易に達成できることである。

そして、nが大きい完全ビンゴとなると、ランダムのアルゴリズムの精度を上げなければならない。

つまり、シミュレーションで小さい確率を評価するには、ランダムのアルゴリズムに依存してしまう可能性がある。

ランダムのアルゴリズムの進化は、AI(人工知能)のアルゴリズムの進化と同様に、これで完全な完成というゴールがないようだ。

 

(続く)

 

従来の統計分析の指導方法

従来の統計分析の指導方法

従来のスモールデータの統計分析の指導準備として、従来の統計分析の適応範囲の把握が重要ではないだろうか?

スモールデータだからといっても、手計算では計算量が多く、けれどもExcelでは、ブラックボックス的になってしまう。そこで、手計算とExcel的な両者の面を合わせ持つ、関数電卓を採用したい。

しかし、関数電卓には、手頃なものから、高機能なものまである。そして、スマートフォンのアプリとしても関数電卓アプリもある。

ここでは、関数電卓アプリはいつでも導入できるので、関数電卓をまずは幅広く三種購入した。

最初は、手頃な関数電卓で、試し、使い慣れてから高機能のものにシフトする方法を考え、実行に移す。

今の所、関数電卓の実機の利点は、物理的なキータッチが快く、電源オフにしても統計処理で入力したデータは保持される。
紙媒体での説明書が高機能のものも併記されていて、知りたい機能が引き易い。

実際に参考書を見ながら、分散分析の手計算に挑戦する。

(続く)

 

統計分析について

実証分析などの統計を使った、分析では、どのような、結果と考察が望まれるだろうか?

 

予め想定された、結果になるのがいいのだろうか?

やはり、新しい知見が得られることが重要ではないだろうか?

 

そう考えると、従来の統計分析では、どんな問題点が考えられるだろうか?

とにかく、データを集めることが大変であったと思われる。

説得力のある知見を見い出すには、従来の統計学だけでなく、新しい予想の根幹となる式を開発しないとならなかった。

 

ビッグデータのような最新の統計分析では、どんな利点があるのだろうか?

 

まずは、ほぼ制限なく大量のデータを扱えること、データ処理がリアルタイムでも可能であることである。

 

そのため、予めに予想の根幹となる式を開発せずに、多次元の空間から、コンピュータが自ら特徴を見つけだすことが可能である。

 

(続く)

 

(続き)

従来のスモールデータの統計分析とビッグデータの統計分析では、スモールデータでは両者の統計分析で当然結果が異なることはなく、一緒である。

なので、ビッグデータと従来の
統計分析を同時進行で勉強するのが望ましい。

ビッグデータアルゴリズムは日々進化して、進化には進化が止まるゴールが存在しない。

しかし、アルゴリズムが無限大に増加するのではない。従来のOSなどは、無限にシステムが肥大化する傾向があった。しかし、ビッグデータアルゴリズムはそうではない。

人間の進化と同様に無限に肥大化する必要性はない。

(さらに続く)

 

数学の利点

数学の利点

数学の勉強が何かの役立つという視点ではなく、数学的思考がいかに役立つかを述べたいと思います。

数学的思考でないものとして、自分が考えるものに、経験則があります、何ごとも試してみる方法で、学習することです。

この方法が数学的でない理由は、世の中は不確定要素が強く、ベイズ理論的に考える方がいいのである。

数学の世界にも問題があり、現実の世界に数学的な考えを取り入れる場合、1+1=2はどんな時も成り立つという前提は、矛盾が生じる。

ビッグデータとAI(人工知能)が、ある意味、ゴールのない進歩を約束してくれるのは、数学の未解決問題を考えて、解決して、また未解決問題を考えるというルーチンとは、趣きが違う。

数学的考えの利点は、特殊な場合から、一般化するというのが最大の利点である。

席替えの確率

席替えの確率(席替えの思い出)

席替えを気にしたことはあまりないです。

目が近眼で、後ろの方では、黒板が見えないので、前の方の席によく交換して貰っていました。

小学生の頃から近眼だったのに、眼鏡を買ったのは、中3の終わりの受験のときに、黒板に書く、問題の正誤情報を確認するためだけです。

なので、席替えの思い出は、あまり記憶にないです。他人の顔がぼやけていて、人の顔を見渡せなかったです。人に会ってもほとんど判別できませんでした。

以下の席替えの問題で、席替えを気にするものなのかと思い直しました。

高校生になって、クラスの移動もなく、教科別クラスの席もほぼ一緒の位置で、席替えの余地はほとんどないのですが、高3の理系のクラスで、数学系と理科系のクラスで、隣は違う人になるはずが、いつも同じ人なので、不思議でした。

ということで、

席替えで、隣に好きな人が来る確率は、

以下を参考に

http://detail.chiebukuro.yahoo.co.jp/qa/question_detail/q10161453000

近くに来る確率よりも、隣に来る確率の方が求めやすいようです。

クラスがy人で、x行(1行に二席以上)の並びがあるならば、(2y-2x)/(y(y-1))である。

y=41、x=7ならば、(82-14)/(41×40)=68/1640

=4.15%

である。

y=30、x=6ならば、(60-12)/(30×29)=48/870

=5.52%

である。