SPAM(迷惑メール)の中に、最近は「生協の白石さん」との件名が目に付き始めた。フィルタを付けているので、めったに「迷惑メール」のフォルダを見る事はないが、件名を見たときには、仕事の上での連絡か、とつい開いてしまった。東京農工大学購買生協の白石さんの名は、それほど、ネット内では有名になり、本もベストセラーになっているそうだ。昨今のやや殺伐とした人間関係の中では、ちょっとしたメッセージでも、きちんと受け止める姿勢が、読んでみると「ほっこり」とさせるのであろう。 「愛は売っていないのですか…?」 「 どうやら、愛は非売品のようです。 もし、どこかで販売していたとしたら、それは何かの罠と思われます。 くれぐれもご注意下さい。」 そこで、わが医療生協の職員諸君に、あなたならどう答えるか聞いてみた。 F看護師:「は〜い、売っています。一口千円で、医療生協に加入なされば、愛が買えます。」 T事務:「ぼくも愛がほしい。どこで売っているのか、分かりましたら教えて!」 S事務:レセプトコンピュータのキーボードを叩き、 「たしかに、当診の患者さまには、愛さまは、下は 1才、最高 88才の方まで、3人おられます。しかし、個人情報保護の建前から、住所、電話番号、好きな男性のタイプなどお教えすることは出来ません、あしからず御了承下さい。」 などなど… 私ならどう答えるだろうか? 「はい、当医療生協は、 愛 は直接扱ってはおりません。でも健康や若さを保つ事ならご相談に乗ることができます。元気な体と若い気持ちあってこその 愛 と申せます。また、医療生協に加入していただいて、班会などに出たり、ボランティアで診療所のデイケアに参加していただくと、 愛 があるかもしれませんので、ご検討下さい。」 うーん、ちょっと月並み、説明的?さりげなく答えるのもなかなか難しい(^^;) ネットでは、今日もブームの導火線となった、Blog 「 がんばれ、生協の白石さん! 」は 生協 盛況のようである。
◆ ブロック A 質問 : 「愛は売っていないのですか?」 回答 : 「どうやら愛は非売品のようです。もし、どこかで販売していたとしたら、それは何かの罠かと思われます。くれぐれもご注意ください。」 以上は、 東京農工大学消費生活協同組合 の職員である白石さんと学生の大まかなやりとりです。何やら、東京農工大の生協には、学食や購買部に対しての意見や要望を募(つの)るべく「ひとことカード」なる仕組み…言うなれば 目安箱 みたいなものがあるようで、そこでの面白い 質疑応答 が学生の間やネット上で評判となり一冊の本になったのだとか…。 ネットで幾つかの 投書 (実物写真)が公開されているので拝見したところ、彼(白石さん)は、どんなにふざけたリクエストに対しても誠実に返答しているようで、一読者として非常に好感を持てました。といっても、例によって 物臭 (ものぐさ)な筆者【拾壱】は実際に本を購入して読んだわけではないので、詳しいところは何とも言えないのですが…。 それにしても「愛は非売品」とは、なかなか ウィット と ユーモア に富んだ答えではありませんか。しかし、普段から アフォリズム のネタのことばかり(? )考えている哲学徒の自分からすれば、「フッフッフッ…まだまだですな。」と申し上げねばなりません。 もちろん、忙しい本業の 片手間 (? )に 即興 で答えているという ハンディキャップ があり、書籍の中ではご自身の解説文も付(ふ)しているそうなので、ここでも 滅多 (めった)な批判はできませんが、とりあえず白石さんの回答に対抗(?
あの「生協の白石さん」の〝いま〟 信大卒、〝国民的生協職員〟にズームイン 「生協の白石さん」という単行本をご存知だろうか?2005年に講談社から発行され、あっという間に販売部数が93万部を超えた大ベストセラーだ。筆者は、当時東京農工大学の生協職員だった白石昌則さん。知る人ぞ知る信州大学経済学部のOBだ。 「生協の白石さん」ブームから、およそ10年。職場は東京農工大生協から東京インターカレッジコープへ、さらに法政大学小金井キャンパスへと変わったが、一貫して生協職員。現在は店長を任されている。学生が生協へ投書した「ひとことカード」に、優しさとウィットに富んだ「回答」を書き続け、〝国民的生協職員〟として注目を集めた白石さんの〝いま〟を取材した。 (文・丸山 祐子) ・・・・・ 信州大学広報誌「信大NOW」第87号(2014. 5.
「波動挙という単語に見慣れていないので、 インターネットで検索したところ、波動による高エネルギー 電子の共鳴拡散過程」等、難しいレポート がヒットしました。さすが理系の学生さんですね。 しかし結局「波動挙」については判らずじまいでした。 又今度教えて下さい。」(白石) この質問から、質問者が理系の学生であることを推理してしまうとは、 白石さん、タダモノではありません。 でも、理系の大学だったら、フツーですよね。 ◆ カード3 「車欲しいです、 売ってください」(矢澤博之 ) 矢澤さん、お金持ちですね。 「ご要望ありがとうございます。 自動車の売買について、生協は取扱しておりません。 ご参考までに、当店にて「クルマ選びの決定版 最新マイカー選び」という本を販売しておりますので、 ご検討の一助となれば幸いです。」(白石) 商品を取り扱っていない場合、他の商品を薦める、というのは、 商売の基本ですから。 (ホントにそうなの?) ◆ カード4 「一人暮らしでさびしいので話し相手になって くれたり、ごはんを作ってくれたりする便利な 美少女ロボットがほしいです。」(西尾謙一) 西尾さん、欲しいのは話相手じゃないでしょう? 「生協で上記の様なロボットは購入できませんし、 おそらく生協以外でも購入は難しいでしょう。 しかし、このような願望に依存しない大学生活を 送っていただくことを強く望みます。 お名前欄お見受けして感じたのですが、もし本名で このようなひとことカードを提出する度胸があれば、 この先どんな困難でも乗り越えられる気がすますよ!」(白石) 白石さん、なんていいひとなんだ! でも、たぶん西尾さんはペンネームですから、無理です。。。 ◆ カード5 「はがねの剣 100本」(勇者志望) 勇者よ、がんばれ。 「ご購入ご希望という意味で宜しいでしょうか。 申し訳ございません。100本はおろか、1本たりとも お取り寄せできません。 銃刀法違反等に触れるおそれもありますので、 ご購入は断念された方が良ろしいかと思われます。」(白石) そりゃあね。 はがねの剣で、将来を棒に振ってはいけませんからね。 ◆ カード6 「僕にまだ春がこないのですが、 何とかしてください、白石さん」(鏡介) 白石さん、御指名です。 しかも、人生相談のようだ。 「そうですか。まだ春、来ないですか。 微力な一生協職員の私として、何もしてあげる 事はできませんが、成功者の多くは、自らが 成功した時のイメージを事前に脳の中で膨らまして 事に臨むと聞いた覚えがあります。 鏡介さんにとっての"春"が何かは存じませんが、 活力溢れる日々を送る内、自然と訪れるかもしれませんよ。 頑張って下さい。」(白石) 僕は、この最後のカードを読んで、感動を覚えてしまいました。 お互いに名前を呼び合いながら、人生の機微について語る 白石さんの姿勢に、深く共感します。 今、生協カードが熱い!
辞書 国語 英和・和英 類語 四字熟語 漢字 人名 Wiki 専門用語 豆知識 「生協」で始まる言葉 辞書すべて 国語辞書(1) せい‐きょう【生協】 「消費生活協同組合」の略。 英和・和英辞書(1) せいきょう【生協】 ⇒生活協同組合 人名事典(1) しらいしまさのり【白石昌則】 1969年生まれ、生活協同組合の職員。東京農工大学生協に勤務していた際、利用者アンケート用紙「ひとことカード」に書かれた学生の要望や質問に対する真面目かつウィット溢れる回答が話題となり、「生協の白石さん」として広く知られるようになった。 Wikipedia記事検索(8) 生協 このページは「生活協同組合」へ転送します。 生協 さえき病院 114床 一般病床:54床 生協 さくら病院 192床 生協の白石さん このページは「白石昌則」へ転送します。 生協 テニスクラブ 野田醤油生協→コープのだ生協 もっと調べる 8 件 gooIDでログインするとブックマーク機能がご利用いただけます。保存しておきたい言葉を200件まで登録できます。 gooIDでログイン 新規作成 閲覧履歴 Tweets by goojisho
白石さんの娘さんを下さい!! お金ならいくらでもあります! (ペンネーム・ホリエモン) A. あいにく、娘はウチにはおりません。大金を貰い損ね残念でなりません。今日の占いで、ぬか喜びに注意とありました。当たったようです。(白石) 当時は、アメリカにおいて大規模M&Aが相次ぎ、日本では「ヒルズ族」「下流社会」「勝ち組」という言葉が流行。そんな時代に、肯定するだけでなく、優しい否定も含めた、クスッと笑える人間味あふれる白石氏の回答は、不安と閉塞感を抱いていた人々の心を潤す清涼剤となっていた。 Facebook、Twitterからもオリコンニュースの最新情報を受け取ることができます!
モンテカルロ法の具体例として,円周率の近似値を計算する方法,およびその精度について考察します。 目次 モンテカルロ法とは 円周率の近似値を計算する方法 精度の評価 モンテカルロ法とは 乱数を用いて何らかの値を見積もる方法をモンテカルロ法と言います。 乱数を用いるため「解を正しく出力することもあれば,大きく外れることもある」というランダムなアルゴリズムになります。 そのため「どれくらいの確率でどのくらいの精度で計算できるのか」という精度の評価が重要です。そこで確率論が活躍します。 モンテカルロ法の具体例として有名なのが円周率の近似値を計算するアルゴリズムです。 1 × 1 1\times 1 の正方形内にランダムに点を打つ(→注) 原点(左下の頂点)から距離が 1 1 以下なら ポイント, 1 1 より大きいなら 0 0 ポイント追加 以上の操作を N N 回繰り返す,総獲得ポイントを X X とするとき, 4 X N \dfrac{4X}{N} が円周率の近似値になる 注: [ 0, 1] [0, 1] 上の 一様分布 に独立に従う二つの乱数 ( U 1, U 2) (U_1, U_2) を生成してこれを座標とすれば正方形内にランダムな点が打てます。 図の場合, 4 ⋅ 8 11 = 32 11 ≒ 2. 91 \dfrac{4\cdot 8}{11}=\dfrac{32}{11}\fallingdotseq 2. 91 が π \pi の近似値として得られます。 大雑把な説明 各試行で ポイント獲得する確率は π 4 \dfrac{\pi}{4} 試行回数を増やすと「当たった割合」は に近づく( →大数の法則 ) つまり, X N ≒ π 4 \dfrac{X}{N}\fallingdotseq \dfrac{\pi}{4} となるので 4 X N \dfrac{4X}{N} を の近似値とすればよい。 試行回数 を大きくすれば,円周率の近似の精度が上がりそうです。以下では数学を使ってもう少し定量的に評価します。 目標は 試行回数を◯◯回くらいにすれば,十分高い確率で,円周率として見積もった値の誤差が△△以下である という主張を得ることです。 Chernoffの不等式という飛び道具を使って解析します!
0: point += 1 pi = 4. 0 * point / N print(pi) // 3. 104 自分の環境ではNを1000にした場合は、円周率の近似解は3. 104と表示されました。 グラフに点を描写していく 今度はPythonのグラフ描写ライブラリであるmatplotlibを使って、上記にある画像みたいに点をプロットしていき、画像を出力させていきます。以下が実際のソースです。 import as plt (x, y, "ro") else: (x, y, "bo") // 3. 104 (). set_aspect( 'equal', adjustable= 'box') ( True) ( 'X') ( 'Y') () 上記を実行すると、以下のような画像が画面上に出力されるはずです。 Nの回数を減らしたり増やしたりしてみる 点を打つ回数であるNを減らしたり、増やしたりしてみることで、徐々に円の形になっていく様子がわかっていきます。まずはNを100にしてみましょう。 //ここを変える N = 100 () Nの回数が少ないため、これではまだ円だとはわかりづらいです。次にNを先程より100倍して10000にしてみましょう。少し時間がかかるはずです。 Nを10000にしてみると、以下の画像が生成されるはずです。綺麗に円だとわかります。 標準出力の結果も以下のようになり、円周率も先程より3. 14に近づきました。 試行回数: 10000 円周率: 3. モンテカルロ法 円周率 c言語. 1592 今回はPythonを用いて円周率の近似解を求めるサンプルを実装しました。主に言語やフレームワークなどのベンチマークテストなどの指標に使われたりすることもあるそうです。 自分もフレームワークのパフォーマンス比較などに使ったりしています。 参考資料
Pythonでモンテカルロ法を使って円周率の近似解を求めるというのを機会があってやりましたので、概要と実装について少し解説していきます。 モンテカルロ法とは モンテカルロ法とは、乱数を用いてシミュレーションや数値計算を行う方法の一つです。大量の乱数を生成して、条件に当てはめていって近似解を求めていきます。 今回は「円周率の近似解」を求めていきます。モンテカルロ法を理解するのに「円周率の近似解」を求めるやり方を知るのが一番有名だそうです。 計算手順 円周率の近似値を求める計算手順を以下に示します。 1. モンテカルロ法で円周率を求めるのをPythonで実装｜shimakaze_soft｜note. 「1×1」の正方形内にランダムに点を打っていく (x, y)座標のx, yを、0〜1までの乱数を生成することになります。 2. 「生成した点」と「原点」の距離が1以下なら1ポイント、1より大きいなら0ポイントをカウントします。(円の方程式であるx^2+y^2=1を利用して、x^2+y^2 <= 1なら円の内側としてカウントします) 3. 上記の1, 2の操作をN回繰り返します。2で得たポイントをPに加算します。 4.
5なので、 (0. 5)^2π = 0. 25π この値を、4倍すればπになります。 以上が、戦略となります。 実はこれがちょっと面倒くさかったりするので、章立てしました。 円の関数は x^2 + y^2 = r^2 (ピタゴラスの定理より) これをyについて変形すると、 y^2 = r^2 - x^2 y = ±√(r^2 - x^2) となります。 直径は1とする、と2. で述べました。 ですので、半径は0. 5です。 つまり、上式は y = ±√(0. 25 - x^2) これをRで書くと myCircleFuncPlus <- function(x) return(sqrt(0. 25 - x^2)) myCircleFuncMinus <- function(x) return(-sqrt(0. 25 - x^2)) という2つの関数になります。 論より証拠、実際に走らせてみます。 実際のコードは、まず x <- c(-0. 5, -0. 4, -0. 3, -0. 2, -0. 1, 0. 0, 0. 2, 0. 3, 0. 4, 0. 5) yP <- myCircleFuncPlus(x) yM <- myCircleFuncMinus(x) plot(x, yP, xlim=c(-0. 5, 0. 5), ylim=c(-0. 5)); par(new=T); plot(x, yM, xlim=c(-0. モンテカルロ法 円周率 考察. 5)) とやってみます。結果は以下のようになります。 …まあ、11点程度じゃあこんなもんですね。 そこで、点数を増やします。 単に、xの要素数を増やすだけです。以下のようなベクトルにします。 x <- seq(-0. 5, length=10000) 大分円らしくなってきましたね。 (つなぎ目が気になる、という方は、plot関数のオプションに、type="l" を加えて下さい) これで、円が描けたもの、とします。 4. Rによる実装 さて、次はモンテカルロ法を実装します。 実装に当たって、細かいコーディングの話もしていきます。 まず、乱数を発生させます。 といっても、何でも良い、という訳ではなく、 ・一様分布であること ・0. 5 > |x, y| であること この2つの条件を満たさなければなりません。 (絶対値については、剰余を取れば良いでしょう) そのために、 xRect <- rnorm(1000, 0, 0.
5 y <- rnorm(100000, 0, 0. 5 for(i in 1:length(x)){ sahen[i] <- x[i]^2 + y[i]^2 # 左辺値の算出 return(myCount)} と、ただ関数化しただけに過ぎません。コピペです。 これを、例えば10回やりますと… > for(i in 1:10) print(myPaiFunc() * 4 / 100000) [1] 3. 13628 [1] 3. 15008 [1] 3. 14324 [1] 3. 12944 [1] 3. 14888 [1] 3. 13476 [1] 3. 14156 [1] 3. 14692 [1] 3. 14652 [1] 3. 1384 さて、100回ループさせてベクトルに放り込んで平均値出しますか。 myPaiVec <- c() for(i in 1:100) myPaiVec[i] <- myPaiFunc() * 4 / 100000 mean(myPaiVec) で、結果は… > mean(myPaiVec) [1] 3. 141426 うーん、イマイチですね…。 あ。 アルゴリズムがタコだった(やっぱり…)。 の、 if(sahen[i] < 0. 25) myCount <- myCount + 1 # 判定とカウント ここです。 これだと、円周上の点は弾かれてしまいます。ですので、 if(sahen[i] <= 0. 25) myCount <- myCount + 1 # 判定とカウント と直します。 [1] 3. 141119 また誤差が大きくなってしまった…。 …あんまり関係ありませんでしたね…。 といっても、誤差値 |3. 141593 - 3. 141119| = 0. 000474 と、かなり小さい(と思いたい…)ので、まあこんなものとしましょう。 当然ですけど、ここまでに書いたコードは、実行するたび計算結果は異なります。 最後に、今回のコードの最終形を貼り付けておきます。 --ここから-- x <- seq(-0. 5, length=1000) par(new=T); plot(x, yP, xlim=c(-0. モンテカルロ法 円周率 原理. 5)) myCount * 4 / length(xRect) if(sahen[i] <= 0. 25) myCount <- myCount + 1 # 判定とカウント} for(i in 1:10) print(myPaiFunc() * 4 / 100000) pi --ここまで-- うわ…きったねえコーディング…。 でもまあ、このコードを延々とCtrl+R 押下で図形の描画とπの計算、両方やってくれます。 各種パラメータは適宜変えて下さい。 以上!
024\)である。 つまり、円周率の近似値は以下のようにして求めることができる。 N <- 500 count <- sum(x*x + y*y < 1) 4 * count / N ## [1] 3. モンテカルロ法による円周率の計算 | 共通教科情報科「情報Ⅰ」「情報Ⅱ」に向けた研修資料 | あんこエデュケーション. 24 円周率の計算を複数回行う 上で紹介した、円周率の計算を複数回行ってみよう。以下のプログラムでは一回の計算においてN個の点を用いて円周率を計算し、それを\(K\)回繰り返している。それぞれの試行の結果を に貯めておき、最終的にはその平均値とヒストグラムを表示している。 なお、上記の計算とは異なり、第1象限の1/4円のみを用いている。 K <- 1000 N <- 100000 <- rep(0, times=K) for (k in seq(1, K)) { x <- runif(N, min=0, max=1) y <- runif(N, min=0, max=1) [k] <- 4*(count / N)} cat(sprintf("K=%d N=%d ==> pi=%f\n", K, N, mean())) ## K=1000 N=100000 ==> pi=3. 141609 hist(, breaks=50) rug() 中心極限定理により、結果が正規分布に従っている。 モンテカルロ法を用いた計算例 モンティ・ホール問題 あるクイズゲームの優勝者に提示される最終問題。3つのドアがあり、うち1つの後ろには宝が、残り2つにはゴミが置いてあるとする。優勝者は3つのドアから1つを選択するが、そのドアを開ける前にクイズゲームの司会者が残り2つのドアのうち1つを開け、扉の後ろのゴミを見せてくれる。ここで優勝者は自分がすでに選んだドアか、それとも残っているもう1つのドアを改めて選ぶことができる。 さて、ドアの選択を変更することは宝が得られる確率にどの程度影響があるのだろうか。 N <- 10000 <- floor(runif(N) * 3) + 1 # 宝があるドア (1, 2, or 3) <- floor(runif(N) * 3) + 1 # 最初の選択 (1, 2, or 3) <- floor(runif(N) * 2) # ドアを変えるか (1:yes or 0:no) # ドアを変更して宝が手に入る場合の数を計算 <- (! =) & () # ドアを変更せずに宝が手に入る場合の数を計算 <- ( ==) & () # それぞれの確率を求める sum() / sum() ## [1] 0.