腰椎 固定 術 再 手術 ブログ

Fri, 28 Jun 2024 16:59:54 +0000

分母が$0$(すなわち,$0$で割る)というのは数学では禁止されているので,この場合を除いて定理を述べているわけです. しかし,$x_1=\dots=x_n$なら散布図の点は全て$y$軸に平行になり回帰直線を描くまでもありませんから,実用上問題はありませんね. 最小二乗法の計算 それでは,以上のことを示しましょう. 行列とベクトルによる証明 本質的には,いまみた証明と何も変わりませんが,ベクトルを用いると以下のようにも計算できます. この記事では説明変数が$x$のみの回帰直線を考えましたが,統計ではいくつもの説明変数から回帰分析を行うことがあります. この記事で扱った説明変数が1つの回帰分析を 単回帰分析 といい,いくつもの説明変数から回帰分析を行うことを 重回帰分析 といいます. 説明変数が$x_1, \dots, x_m$と$m$個ある場合の重回帰分析において,考える方程式は となり,この場合には$a, b_1, \dots, b_m$を最小二乗法により定めることになります. しかし,その場合には途中で現れる$a, b_1, \dots, b_m$の連立方程式を消去法や代入法から地道に解くのは困難で,行列とベクトルを用いて計算するのが現実的な方法となります. 最小二乗法と回帰分析の違い、最小二乗法で会社の固定費の簡単な求め方 | 業務改善+ITコンサルティング、econoshift. このベクトルを用いた証明はそのような理由で重要なわけですね. 決定係数 さて,この記事で説明した最小二乗法は2つのデータ$x$, $y$にどんなに相関がなかろうが,計算すれば回帰直線は求まります. しかし,相関のない2つのデータに対して回帰直線を求めても,その回帰直線はあまり「それっぽい直線」とは言えなさそうですよね. 次の記事では,回帰直線がどれくらい「それっぽい直線」なのかを表す 決定係数 を説明します. 参考文献 改訂版 統計検定2級対応 統計学基礎 [日本統計学会 編/東京図書] 日本統計学会が実施する「統計検定」の2級の範囲に対応する教科書です. 統計検定2級は「大学基礎科目(学部1,2年程度)としての統計学の知識と問題解決能力」という位置付けであり,ある程度の数学的な処理能力が求められます. そのため,統計検定2級を取得していると,一定以上の統計的なデータの扱い方を身に付けているという指標になります. 本書は データの記述と要約 確率と確率分布 統計的推定 統計的仮説検定 線形モデル分析 その他の分析法-正規性の検討,適合度と独立性の$\chi^2$検定 の6章からなり,基礎的な統計的スキルを身につけることができます.

  1. 【よくわかる最小二乗法】絵で 直線フィッティング を考える | ばたぱら
  2. 最小二乗法と回帰分析の違い、最小二乗法で会社の固定費の簡単な求め方 | 業務改善+ITコンサルティング、econoshift
  3. 回帰分析の目的|最小二乗法から回帰直線を求める方法
  4. 【なぞなぞ】かけてもきっても 形のかわらないものって な~んだ?? - なぞなぞ8000問【なぞQ】全問無料★日本最大のなぞなぞサイト
  5. 【なぞなぞ】高いところから そのまま落としたときと 逆さまに落としたときで 落差が出る木って な〜んだ? - なぞなぞ8000問【なぞQ】全問無料★日本最大のなぞなぞサイト
  6. 保育園・幼稚園で今日から使える!『なぞなぞ&クイズ60選』【幼児向け】 | 保育士くらぶ

【よくわかる最小二乗法】絵で 直線フィッティング を考える | ばたぱら

第二話:単回帰分析の結果の見方(エクセルのデータ分析ツール) 第三話:重回帰分析をSEOの例題で理解する。 第四話:← 今回の記事

ここではデータ点を 一次関数 を用いて最小二乗法でフィッティングする。二次関数・三次関数でのフィッティング式は こちら 。 下の5つのデータを直線でフィッティングする。 1. 最小二乗法とは? フィッティングの意味 フィッティングする一次関数は、 の形である。データ点をフッティングする 直線を求めたい ということは、知りたいのは傾き と切片 である! 上の5点のデータに対して、下のようにいろいろ直線を引いてみよう。それぞれの直線に対して 傾きと切片 が違うことが確認できる。 こうやって、自分で 傾き と 切片 を変化させていき、 最も「うまく」フィッティングできる直線を探す のである。 「うまい」フィッティング 「うまく」フィッティングするというのは曖昧すぎる。だから、「うまい」フィッティングの基準を決める。 試しに引いた赤い直線と元のデータとの「差」を調べる。たとえば 番目のデータ に対して、直線上の点 とデータ点 との差を見る。 しかしこれは、データ点が直線より下側にあればマイナスになる。単にどれだけズレているかを調べるためには、 二乗 してやれば良い。 これでズレを表す量がプラスの値になった。他の点にも同じようなズレがあるため、それらを 全部足し合わせて やればよい。どれだけズレているかを総和したものを とおいておく。 ポイント この関数は を 2変数 とする。これは、傾きと切片を変えることは、直線を変えるということに対応し、直線が変わればデータ点からのズレも変わってくることを意味している。 最小二乗法 あとはデータ点からのズレの最も小さい「うまい」フィッティングを探す。これは、2乗のズレの総和 を 最小 にしてやればよい。これが 最小二乗法 だ! は2変数関数であった。したがって、下図のように が 最小 となる点を探して、 (傾き、切片)を求めれば良い 。 2変数関数の最小値を求めるのは偏微分の問題である。以下では具体的に数式で計算する。 2. 【よくわかる最小二乗法】絵で 直線フィッティング を考える | ばたぱら. 最小値を探す 最小値をとるときの条件 の2変数関数の 最小値 になる は以下の条件を満たす。 2変数に慣れていない場合は、 を思い出してほしい。下に凸の放物線の場合は、 のときの で最小値になるだろう(接線の傾きゼロ)。 計算 を で 偏微分 する。中身の微分とかに注意する。 で 偏微分 上の2つの式は に関する連立方程式である。行列で表示すると、 逆行列を作って、 ここで、 である。したがって、最小二乗法で得られる 傾き と 切片 がわかる。データ数を として一般化してまとめておく。 一次関数でフィッティング(最小二乗法) ただし、 は とする はデータ数。 式が煩雑に見えるが、用意されたデータをかけたり、足したり、2乗したりして足し合わせるだけなので難しくないでしょう。 式変形して平均値・分散で表現 はデータ数 を表す。 はそれぞれ、 の総和と の総和なので、平均値とデータ数で表すことができる。 は同じく の総和であり、2乗の平均とデータ数で表すことができる。 の分母の項は の分散の2乗によって表すことができる。 は共分散として表すことができる。 最後に の分子は、 赤色の項は分散と共分散で表すために挟み込んだ。 以上より一次関数 は、 よく見かける式と同じになる。 3.

最小二乗法と回帰分析の違い、最小二乗法で会社の固定費の簡単な求め方 | 業務改善+Itコンサルティング、Econoshift

大学1,2年程度のレベルの内容なので,もし高校数学が怪しいようであれば,統計検定3級からの挑戦を検討しても良いでしょう. なお,本書については,以下の記事で書評としてまとめています.

距離の合計値が最小であれば、なんとなくそれっぽくなりそうですよね! 「距離を求めたい」…これはデータの分析で扱う"分散"の記事にも出てきましたね。 距離を求めるときは、 絶対値を用いる方法 2乗する方法 この2つがありました。 今回利用するのは、 「2乗する」 方法です。 (距離の合計の 最小 値を 二乗 することで求めるから、 「 最小二乗 法」 と言います。 手順2【距離を求める】 ここでは実際に距離を数式にしていきましょう。 具体的な例で考えていきたいので、ためしに $1$ 個目の点について見ていきましょう。 ※左の点の座標から順に $( \ x_i \, \ y_i \)$( $1≦i≦10$ )と定めます。 データの点の座標はもちろ $( \ x_1 \, \ y_1 \)$ です。 また、$x$ 座標が $x_1$ である直線上の点(図のオレンジの点)は、 $y=ax+b$ に $x=x_1$ を代入して、$y=ax_1+b$ となるので、$$(x_1, ax_1+b)$$と表すことができます。 座標がわかったので、距離を2乗することで出していきます。 $$距離=\{y_1-(ax_1+b)\}^2$$ さて、ここで今回求めたかったのは、 「すべての点と直線との距離」であることに着目すると、 この操作を $i=2, 3, 4, …, 10$ に対しても 繰り返し行えばいい ことになります。 そして、それらをすべて足せばよいですね! ですから、今回最小にしたい式は、 \begin{align}\{y_1-(ax_1+b)\}^2+\{y_2-(ax_2+b)\}^2+…+\{y_{10}-(ax_{10}+b)\}^2\end{align} ※この数式は横にスクロールできます。(スマホでご覧の方対象。) になります。 さあ、いよいよ次のステップで 「平方完成」 を利用していきますよ! 手順3【平方完成をする】 早速平方完成していきたいのですが、ここで皆さん、こういう疑問が出てきませんか? 変数が2つ (今回の場合 $a, b$)あるのにどうやって平方完成すればいいんだ…? 回帰分析の目的|最小二乗法から回帰直線を求める方法. 大丈夫。 変数がたくさんあるときの鉄則を今から紹介します。 1つの変数のみ変数 としてみて、それ以外の変数は 定数扱い とする! これは「やり方その $1$ (偏微分)」でも少し触れたのですが、 まず $a$ を変数としてみる… $a$ についての2次式になるから、その式を平方完成 つぎに $b$ を変数としてみる… $b$ についての2次式になるから、その式を平方完成 このようにすれば問題なく平方完成が行えます!

回帰分析の目的|最小二乗法から回帰直線を求める方法

ということになりますね。 よって、先ほど平方完成した式の $()の中身=0$ という方程式を解けばいいことになります。 今回変数が2つなので、()が2つできます。 よってこれは 連立方程式 になります。 ちなみに、こんな感じの連立方程式です。 \begin{align}\left\{\begin{array}{ll}a+\frac{b(x_1+x_2+…+x_{10})-(y_1+y_2+…+y_{10})}{10}&=0 \\b-\frac{10(x_1y_1+x_2y_2+…+x_{10}y_{10})-(x_1+x_2+…+x_{10})(y_1+y_2+…+y_{10}}{10({x_1}^2+{x_2}^2+…+{x_{10}}^2)-(x_1+x_2+…+x_{10})^2}&=0\end{array}\right. \end{align} …見るだけで解きたくなくなってきますが、まあ理論上は $a, b$ の 2元1次方程式 なので解けますよね。 では最後に、実際に計算した結果のみを載せて終わりにしたいと思います。 手順5【連立方程式を解く】 ここまで皆さんお疲れさまでした。 最後に連立方程式を解けば結論が得られます。 ※ここでは結果だけ載せるので、 興味がある方はぜひチャレンジしてみてください。 $$a=\frac{ \ x \ と \ y \ の共分散}{ \ x \ の分散}$$ $$b=-a \ ( \ x \ の平均値) + \ ( \ y \ の平均値)$$ この結果からわかるように、 「平均値」「分散」「共分散」が与えられていれば $a$ と $b$ を求めることができて、それっぽい直線を書くことができるというわけです! 最小二乗法の問題を解いてみよう! では最後に、最小二乗法を使う問題を解いてみましょう。 問題1. $(1, 2), (2, 5), (9, 11)$ の回帰直線を最小二乗法を用いて求めよ。 さて、この問題では、「平均値」「分散」「共分散」が与えられていません。 しかし、データの具体的な値はわかっています。 こういう場合は、自分でこれらの値を求めましょう。 実際、データの大きさは $3$ ですし、そこまで大変ではありません。 では解答に移ります。 結論さえ知っていれば、このようにそれっぽい直線(つまり回帰直線)を求めることができるわけです。 逆に、どう求めるかを知らないと、この直線はなかなか引けませんね(^_^;) 「分散や共分散の求め方がイマイチわかっていない…」 という方は、データの分析の記事をこちらにまとめました。よろしければご活用ください。 最小二乗法に関するまとめ いかがだったでしょうか。 今日は、大学数学の内容をできるだけわかりやすく噛み砕いて説明してみました。 データの分析で何気なく引かれている直線でも、 「きちんとした数学的な方法を用いて引かれている」 ということを知っておくだけでも、 数学というものの面白さ を実感できると思います。 ぜひ、大学に入学しても、この考え方を大切にして、楽しく数学に取り組んでいってほしいと思います。

例えば,「気温」と「アイスの売り上げ」のような相関のある2つのデータを考えるとき,集めたデータを 散布図 を描いて視覚的に考えることはよくありますね. 「気温」と「アイスの売り上げ」の場合には,散布図から分かりやすく「気温が高いほどアイスの売り上げが良い(正の相関がある)」ことは見てとれます. しかし,必ずしも散布図を見てすぐに相関が分かるとは限りません. そこで,相関を散布図の上に視覚的に表現するための方法として, 回帰分析 という方法があります. 回帰分析を用いると,2つのデータの相関関係をグラフとして視覚的に捉えることができ,相関関係を捉えやすくなります. 回帰分析の中で最も基本的なものに, 回帰直線 を描くための 最小二乗法 があります. この記事では, 最小二乗法 の考え方を説明し, 回帰直線 を求めます. 回帰分析の目的 あるテストを受けた8人の生徒について,勉強時間$x$とテストの成績$y$が以下の表のようになったとしましょう. これを$xy$平面上にプロットすると下図のようになります. このように, 2つのデータの組$(x, y)$を$xy$平面上にプロットした図を 散布図 といい,原因となる$x$を 説明変数 ,その結果となる$y$を 目的変数 などといいます. さて,この散布図を見たとき,データはなんとなく右上がりになっているように見えるので,このデータを直線で表すなら下図のようになるでしょうか. この直線のように, 「散布図にプロットされたデータをそれっぽい直線や曲線で表したい」というのが回帰分析の目的です. 回帰分析でデータを表現する線は必ずしも直線とは限らず,曲線であることもあります が,ともかく回帰分析は「それっぽい線」を見つける方法の総称のことをいいます. 最小二乗法 回帰分析のための1つの方法として 最小二乗法 があります. 最小二乗法の考え方 回帰分析で求めたい「それっぽい線」としては,曲線よりも直線の方が考えやすいと考えることは自然なことでしょう. このときの「それっぽい直線」を 回帰直線(regression line) といい,回帰直線を求める考え方の1つに 最小二乗法 があります. 当然のことながら,全ての点から離れた例えば下図のような直線は「それっぽい」とは言い難いですね. こう考えると, どの点からもそれなりに近い直線を回帰直線と言いたくなりますね.
がんばろうね! すっきりと、 きもち切り替えてがんばりましょ~! 【48】 ゆったりと、 つくらないでいられて楽だな、〇〇とは。 くだらないことで笑いあったり、 リスペクトしあって、 信じあうようになって、 あーっもう、ほんと好きだよ!! わんこが好きなことも、 背がお似合いなことも 似た者同士、うまくやってこうね♪ なんか力が湧いてきたよ!もち ろん、沢山楽しいことしようね♪ うん、嬉しいこともしようね♪ ねえ、気づいてる?伝わってるかな? 【49】 あいたい! えがおが見たい! なきそうなほどに、 いじはったりもするけど、 じぶんにも〇〇にも素直になれないけど、 かんがえてしまうよ。いつも〇〇のこと。 んだって、何日もあってないんだよ? もっともっと一緒にいたい。 あいたい・・・。 いつも1人でいると落ち込んでしまうよ。 しってる? 〇〇のこと、すごく好きなこと。 ていうか、気付いてる? るんるん気分で書いてるよ。 【50】 あーこれが運命・・・。 なんでも無い日が たのしくて嬉しい。 がんばろう!って、 いつも元気付けてくれた。 となりにずっといて欲しい。 しんじてるよ。 いつも、一緒にいたい。 【51】 すごく元気な〇〇! きっと高校に行っても楽しくやれるよ! だから、心配しなくていいよ♪ よく頑張っていこうね! 【52】 あけましておめでとう? ! なんか一年早かった気がするな~。 ただ〇〇は、長く感じたけどねw がんばんないとなー・・・ すぐ受験だしなぁ・・・、 きっと合格するよね! 【53】 すぶた食べたい。 きらいだったっけ、あのパイナップル。 でもさ、 すごい、おいしいよ? 【54】 あいす好きだけど、 いちご味が一番好きだな! しあわせな気分になる! ていうかね、、 るんるんしちゃうよね! 【55】 明日って、 なんかのテストとかあったっけ? 多分、ないよね? 【なぞなぞ】高いところから そのまま落としたときと 逆さまに落としたときで 落差が出る木って な〜んだ? - なぞなぞ8000問【なぞQ】全問無料★日本最大のなぞなぞサイト. 学力テストとかもないよね? 睡眠不足で出来ないと思うんだよね・・・ 聞いてみただけw 【56】 おはよ!!あけましておめでとう! また今年もよろしくね! えーと、昨年はいろいろお世話になりました! が!今年もお世話になります! すごいことが起きる一年にしたいね! きょうから一年、頑張っていこう! 【57】 すっかり年も明けて、 きもちを入れ替えて だい一歩を踏み出そう! よろしくおねがいします!!

【なぞなぞ】かけてもきっても 形のかわらないものって な~んだ?? - なぞなぞ8000問【なぞQ】全問無料★日本最大のなぞなぞサイト

のなぞなぞが詰まっています。お母さんと、お友達と、たーっぷり遊べます。 いちばんたのしい! なぞなぞ大集合 小野寺ぴりり紳(著者) B6判 978-4-471-10354-5 イラストなぞなぞから、難しいウルトラ!なぞなぞまでたっぷり! お友達と、お母さんやお父さんと、いっしょに遊んで楽しめます。 【おうち時間オススメ本】 少しでもおうち時間を楽しんでもらえるよう、高橋書店おすすめのラインナップをご紹介。 料理 ウー・ウェンの100gで作る北京小麦粉料理 ウー・ ウェン(著) 1980円 (税込) 210ミリ正寸 978-4-471-40879-4 小麦粉料理は、おいしい、楽しい、奥が深い。作りやすくて、おいしく食べきれる小麦粉100gのレシピ 大原千鶴のささっとレシピ 素材のつくりおきで、絶品おかず 大原 千鶴(著者) 1650円 (税込) B5変形 978-4-471-40878-7 野菜の切りおき冷蔵、肉・魚の味つけ冷凍など、素材のつくりおきで、絶品おかずをスピーディーに! 【なぞなぞ】かけてもきっても 形のかわらないものって な~んだ?? - なぞなぞ8000問【なぞQ】全問無料★日本最大のなぞなぞサイト. 韓国語 聴ける!読める!書ける!話せる! 韓国語初歩の初歩 中山義幸(著) 1320円 (税込) 144 978-4-471-11306-3 人気の韓国語が初歩から学習できます。むずかしいと思いがちのハングルも、繰り返し書いて覚えられ、手軽なページ数でかんたんに終わらせられます。最初に韓国語を学習するのに最適な1冊です。 ゼロからしっかり学べる! 韓国語 [文法]トレーニング 木内明(著) 1870円 (税込) 288 978-4-471-11270-7 韓国語がなかなか上達しない初心者必携!レッスン1〜40ごとにある書き込み式練習問題で着実にレベルアップできる1冊!ボキャブラリーを増やせる、別冊「重要文法のまとめ&単語リスト」つき。 英語 日常のリアルなひとこと ためぐち英語 Thomas K. Fisher(著者) 1210円 (税込) 224 四六判 978-4-471-11337-7 一発で伝わる!ネイティブが今使っている短い「ためぐち」フレーズが覚えられる! おりがみ・あやとり・工作 大人気!! 親子で遊べる たのしい!おりがみ 新宮文明(著者) 978-4-471-12325-3 子ども達にアンケートを取り、本当に人気のある作品を集めました。遊び方やアレンジ方法もたっぷり紹介しているので、親子で一緒におりがみを楽しんでください。 大人気!!

【なぞなぞ】高いところから そのまま落としたときと 逆さまに落としたときで 落差が出る木って な〜んだ? - なぞなぞ8000問【なぞQ】全問無料★日本最大のなぞなぞサイト

親子で遊べる たのしい!あやとり 野口廣(監修) 野口とも(著者) 1265円 (税込) 978-4-471-12352-9 人気の作品を、わかりやすさを追求したオリジナルの図解で紹介。大きな写真とかわいいイラストもついて、あやとりの魅力を再発見! 手紙・ペン字・イラスト 3ステップできれいな字になる おとなペン字の練習帳 矢野 童観(著) 1100円 (税込) 96 AB判 978-4-471-18187-1 ①自分の「くせ」を知り②なぞり書きで比べ③ポイントを意識しながら書く! 保育園・幼稚園で今日から使える!『なぞなぞ&クイズ60選』【幼児向け】 | 保育士くらぶ. 3ステップの書き込み練習帳 美容・ダイエット・ヨガ カラダが変わる たのしい おうちヨガ・プログラム DVD付き サントーシマ香(著者) 1430円 (税込) 112 978-4-471-03244-9 ひとりでヨガをやっていると「正しくできてる?」「何に効くポーズ?」と疑問に思うことはありませんか? 本書のヨガは効きどころがCGイラストで見えるので、おうちでも正しいヨガのポーズを導けます。 価格: 825円 (税込) 商品を購入する

保育園・幼稚園で今日から使える!『なぞなぞ&クイズ60選』【幼児向け】 | 保育士くらぶ

日本最大級のなぞなぞ問題集サイト 【なぞ】は、スマホ/タブレットで快適になぞなぞを楽しめるように超見やすいレイアウトを徹底的に追求した、近未来型なぞなぞサイトです! 難易度レベルは5つ ようちえん|かんたん|ふつう|むずかしい|おにころし 好みの難易度レベルのなぞなぞを、すぐに、そしてたくさん楽しめます♥ 幼稚園児向けや保育園児向け(幼児向け)の優しいなぞなぞから、小学生向け、子供向けの簡単なぞなぞ、思わず笑っちゃう面白いなぞなぞ、大人向けのなぞなぞ、難問なぞなぞ、クイズなぞなぞ、暗号なぞなぞ、ひっかけ意地悪なぞなぞ、脳トレなぞなぞ、謎解き風なぞなぞ、芸能人なぞなぞ、アイドルなぞなぞ、とんち風なぞなぞまで、 それぞれ大量に揃えています♥ なぞなぞ楽しむなら【なぞ】で決まり★☆★ ※このサイトについての詳細は こちら に書き綴ってあります★ なぞmサイトのトップページ をホーム画面に追加(ブックマーク)しておくと、すぐになぞなぞを遊べるのでとっても便利です☆ ただのブックマークだから容量は0MB☆ 更新:2021年7月22日 00:31 なぞなぞ日本一【なぞQ】近未来なぞなぞサイト

気づいてないの? 【15】 すごい気になる! 君のことが・・・ ダメかな・・・?迷惑かな・・・? 良かったら、縦読みしてみて? 【16】 だいたい君が悪いんだよ? いつも魅力的なんだから! すきになっちゃうじゃん・・・ きになっちゃうじゃん!? 【17】 すきです、って正直に言えたら・・・ きっと幸せになれるよ♪ でもね、私はいざという時に言えないから、 すきです、なんて言えない・・・ 【18】 すきな人のことを、 きみは気付いてないみたいだね。 だって鈍感なんだから。 ようやく伝えられるから聞いてね。 【19】 てか、 かんちがいしないでよ? だいきらいだよ? いらいらしちゃう。 好きなわけないじゃん? きこえてるの? 【20】 だれよりも いちばん すきなのは きみなんだ 【21】 すごく きらい!! 【22】 大して すきでもないし。 きらいでもないけどねw でも、どちらかというと好きなほうかも? すき・・・なわけないかw 【23】 だらしなくて いつも馬鹿なことするし すごい迷惑してるよ 嫌いなんだからね。 【24】 つまり、〇〇の事が きらいってことだよ! あーあー、何回言えば分かるわけ? っとまぁ、一回言えば分かるよね? てもう!分かんないわけ!? 【25】 きにしないでいいよ、 みんな知ってるから、 がんばってるの、 すごくわかる きらきらひかってるよ♪ 【26】 だからね。 いきなりだけど。 すきだよ・・・。 きみのこと。 だいすきなんだよ。 ようやく言えた・・・。 【27】 あーあ、もうすぐテストだね! なんか、勉強した? たぶんしてるだろうけどね。 がんばってね! すこしだけ勉教しようかな? きあいいれていこうね!! 【28】 きのうのテスト、 みんなより点数悪かったから、 頑張るよ!! 進まないといけないから、 来て一緒に勉教しよ? 【29】 だらしない いじわる すぐ怒る きらい 【30】 だいきらいだよ! いつもうるさいし! すぐ拗ねるし! きらいだって! かんちがいしないでよ! らいんもしたくないよ! 【31】 すうがくの課題終わった? きょう寝ずにやったら終わるかなぁ? だらだらし過ぎだなー(泣) よゆうあったら、問題教えて? 【32】 あなたの事、 なんて別に好きじゃないよ? たまにすれ違うと、ちょっとドキドキするけどね・・・ がんばってる姿も見るたび良いなって思っちゃうけど・・・ 好きじゃないよ?