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のスマホを使って、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。
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)
---
簡易版ビンゴのbasicのソースプログラム
5 A0=5
6 A1= (INT(A0*RND(0)))
7 A2= (INT(A0*RND(INT(TI/60))))
8 A0=A1+A2
9 A0=5
10 A1= (INT(A0*RND(0)))
20 A2= (INT(A0*RND(INT(TI/60))))
21 A4= (INT(A0*RND(INT(TI MOD 2))))
22 A5= (INT(A0*RND(0)))
24 A6= (INT(A0*RND(INT(TI/60))))
25 A7= (INT(A0*RND(INT(TI MOD 2))))
26 A8= (INT(A0*RND(0)))
27 A9= (INT(A0*RND(INT(TI/60))))
40 PRINT (1+A0*0+A1)
50 PRINT (1+A0*1+A2)
60 PRINT (1+A0*2+A4)
70 PRINT (1+A0*3+A5)
80 PRINT (1+A0*4+A6)
90 PRINT (1+A0*5+A7)
100 PRINT (1+A0*6+A8)
110 PRINT (1+A0*7+A9)
120 END
---
9のA0=5 を外す、色々変化します。
(Hand BASICアプリ用)
------
12 A=5
14 A(0)=0
15 for i=1 to 8
20 A(i)=rand(5)
40 PRINT 1+A(0)+A(i)
45 A(0)=A(0)+A
50 next
120 END
---
12のA=5 をA=rand(10)にすれば、
様々に変化します。
(BASIC-II アプリ用:
ランダム関数に難あり、工夫が必要みたいです)
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)
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。
ビッグデータの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、ビッグデータの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。
