お弁当に入れたり、時間がない朝の朝食に出たりと、手軽に調理ができて美味しい 「ウインナー」 。 「ウインナー」 を探しにスーパーに行くと、同じ陳列棚に 「ソーセージ」 がありますよね。 同じような形をしている両者ですが、違いはあるのでしょうか? また、 「ウインナー」 と 「ソーセージ」 と同じお肉の加工食品の「ハム」との違いはなんでしょうか? ここでは、 「ウインナーとソーセージとハムの違い」 について説明します! 「ウィンナー」と「フランクフルト」の違いをご存知ですか！？ | complesso.jp. 【スポンサーリンク】 ウインナーとソーセージの違い ソーセージ(出典: Wikipedia ) ソーセージとは 太郎 食品を作るときのお肉の配分や、お肉を入れる腸の種類によって色んな 「ソーセージ」 の種類が誕生します。 この色んな種類の中に 「ウインナー」 があります。 では 「ウインナー」 とはどんな 「ソーセージ」 なのでしょうか? ウインナーとは 桃子 正式名称は 「ウインナーソーセージ」 で、 「ソーセージ」 の1種です。 腸の種類によっては、次のような 「ソーセージ」 があります。 フランクフルトソーセージ…直径20mm以上36mm未満の 豚の腸 ボロニアソーセージ…直径36mm以上の 牛の腸 また商品の水分量で次のようなソーセージもあるんですよ。 セミドライソーセージ…水分量 55% 以下 ドライソーセージ…水分量 35% 以下 魚の肉が原材料の 15% を超えてしまったら、 「ソーセージ」 ではなくなってしまいます。 「ウインナー」 は 「ソーセージ」 の1種だということはわかりましたが、同じお肉の加工食品である 「ハム」 って一体なんでしょうか?
このふたつ、明確に使い分けている!という人はかなり通なイメージ。なにが違うんでしょう?ドヤ顔で説明するチャンスを得るべく、ちょっと調べてみました。 「ソーセージ」と「ウインナー」の違い 「ソーセージ」とは、"腸詰め"のこと 一般的には、塩漬けされた肉を挽き、これを香辛料等によって味付けして腸に詰め、乾燥、または燻製することによって作られます。ソーセージの語源は諸説ありますが、salsus(ラテン語で「塩漬けされた」の意)が語源だという説が有力なようです。 「ウィンナー」は、そのなかの一種 つまりは「ウィーン風」という意味。正式には「ウィンナーソーセージ」と呼ぶそうです。では、どんなソーセージがあり、どんな違いがあるのでしょう?ここでは、 日本農林規格(JAS規格) にはその基準がこう記されています。 01. ウィンナーソーセージ ケーシング(動物の腸、なかには人工のものも)には、羊の腸が使用され、太さが20ミリ未満のもの。 02. フランクフルトソーセージ 豚の腸が使用されており、太さが20ミリ~36ミリのもの。 03. 「ウインナー」と「ソーセージ」と「ハム」の違い | 違いの百科事典. ボロニアソーセージ 牛の腸が使用され、太さが36ミリ以上のもの。 日本で親しまれるようになったのは、第一次世界大戦時から では、ソーセージはいつ頃日本に伝わったのでしょうか。そのルーツは、第一次世界大戦時まで遡ります。千葉市に新設された農商務省畜産試験場の求めに応じて、捕虜として収容所に連れられてきたドイツのカール・ヤーンら5名のソーセージ職人が、ソーセージの作り方を伝えたと言われています。 お弁当用の赤いウインナーは日本発!その理由は… ところで、お弁当に入っているウィンナーといえば真っ赤なウィンナーが定番。実はあれ、日本発祥なんです。昔は、材料にいい素材を使えなかったので、発色の悪さを隠すために表面を赤く着色したウィンナーを作ったのだそう。 この日本独自のものも、日本製のアニメなどで海外に広まっています。 魚肉ソーセージも日本のアイデア! 大正時代に地方の水産試験場で試作されたのが始まりといわれています。昭和三十年代後半、卵一個が10円、コロッケ一個が5円の時代、魚肉ソーセージは130グラムで130円だったそうで、非常に高価なご馳走だったそうです。 みなさんもよく食べますか? ホットドッグの誕生秘話 ソーセージを使った料理で一般的なのがホットドッグ。これは、寒い日にアメリカでソーセージを売っていたドイツ人が、熱々のソーセージを売ることを思いついたそうですが、そのまま熱くするだけだと持てないので、パンにはさんで売ったのが始まりだそうです。 海外では、ダックスフンドをウインナードッグなんて呼ぶ人もいますが、当初はホットドッグを「ダックスフンド・ソーセージ」と呼んでいたのだとか。いつの間にか「ホットドッグ」になったそうですよ。
チョリソーはもともとスペインが発祥の食べ物です。語源もスペイン語で「塩辛い」から来ています。また、ひき肉ではなく「細かくきざんだ肉」を使います。ウインナーと見た目はかなり似ていますが、材料や肉の加工方法、発祥は全く違うということになります。 チョリソーは赤いために、辛いソーセージのイメージがありますが、スペインで生まれた本来のものは、パプリカが入っているため赤く、辛くないのが特徴です。辛いソーセージと知られるきっかけとなったのは、メキシコの唐辛子入りのチョリソーが、スペイン発祥のチョリソーより先に日本に入ってきたからです。 ■ウインナーソーセージと日本の関係 © ウインナーやソーセージは、主にヨーロッパが発祥の食べ物だということがお判りいただけたと思います。 しかし、今となっては日本の食卓には欠かせない食材となっていますよね。日本に根付くまでの歴史を見てみましょう。 ・日本に伝わったのはいつ?
JASによるソーセージの3分類 「JAS(ジャス)」とは農林物質の規格化や品質表示に関する法律のことで、食品に一定の基準を課しています。この法律では、ソーセージを次の3つに分類しています。 「ウインナーソーセージ」 ケーシングは羊の腸。または太さが20mm未満。 「フランクフルトソーセージ」 ケーシングは豚の腸。または太さが20mm以上36mm未満。 「ボロニアソーセージ」 ケーシングは牛の腸。または太さが36㎜以上。 また、それぞれのソーセージの品質は肉質や香味、色などから上級と標準に分けられます。 「魚肉ソーセージ」は「魚肉練り製品」 「魚肉ソーセージ」は日本独特の食材で、マグロやすけとうだらなどの魚肉を香辛料と混ぜて人造ケーシングに詰めて湯煮したものです。ソーセージとネーミングされていますが、JASの定義では魚肉ソーセージは魚肉練り製品のひとつで、肉を原材料にしているソーセージとは区別されます。 魚肉練り製品は他に、かまぼこやちくわ、はんぺんなどが挙げられます。 「ウインナー」のカロリーは? ウインナーは「高カロリー低糖質」 市販されているウインナーの100g当たりのカロリーは約300kcal、糖質量は約3gです。脂身抜きの豚肉は100g当たり、カロリーは約260kcalで糖質は約19gですから、ウインナーは高カロリーで低糖質の食品だと言えます。 低糖質の食品だとしてもケチャップやマスタードを付けると糖質量が上がりますので、糖質の取りすぎが気になる方はケチャップやマスタードの付けすぎには注意しましょう。 「ウインナー」の英語表現 「ウインナー」は英語で「vienna sausage」 「ウインナー」は英語で「vienna sausage」と表現します。「vienna」はオーストリアの首都ウィーンの英語名で、「sausage」は「ソーセージ」です。英語では「ウインナー」を「ウィーン風のソーセージ」として二語で表現します。 まとめ 「ソーセージ」は羊や豚、牛の腸や人造でできたケーシングに肉を詰めた加工食品のことで、「ウインナー」は水分が多くやわらかいドメスティックソーセージの一種で、オーストリアの首都ウィーンが語源です。
ソーセージとウインナーの違いについてご紹介します。ソーセージとウインナーは姿・形がほぼ同じですが、ある定義によって呼び分けるケースがあります。いったいこの2つの食べ物にはどういう定義の違いがあるのか?そんな長年の疑問にお答えします。 「ソーセージとウインナーの違いは?」 この質問にちゃんと答えられる方は少ないのではないでしょうか? 何となく、お弁当に入っている短くて小さいものは「ウインナー」で、魚肉ソーセージや、ホットドッグのような太長いものが「ソーセージ」というような、ざっくりとした認識の方も多いのでは? しかし、この2つは見た目は似ていますが名前が分けられられているのにはちゃんとした定義と理由があります。 そこで今回は ソーセージとウインナーの違い についてご紹介します。 しっかり違いを理解して、誰かに聞かれた時にさっと答えたらカッコいいかもしれませんね! ソーセージとウインナーの語源について 「ソーセージ」の語源は「 塩漬けされて貯蔵された肉 」という意味です。 ソーセージは約3, 500年前のエジプトやいまの中東地方で食べられていたという記録が残っているほど、実は歴史の深い食品なのです。 しかも、その製法・材料等は国によって様々で、なんと約1, 000種類もあります! 広辞苑によれば、ソーセージとは"牛・豚・羊の腸などに各種の調製した獣肉・魚肉を詰め、乾燥・湯煮または燻製にした保存食品"であると書いてあります。 現在では、人工的なケージング(皮)を腸の代わりにしているものがほとんどですが、つまりは腸のような袋に味付けした肉を詰めて調理したものがソーセージです。 ということは、ウインナーも何かしらの袋に調製した肉を詰め込んでいますので、ソーセージということになります。 そして、ウインナーは正式名称を ウインナー・ソーセージ といい、オーストリアのウイーン発祥の1, 000種類もあるソーセージの1つなのです。 もうお分かりだと思いますが、ウイーンで発祥したから、ウインナーと呼ばれています。 ウインナーもソーセージの1種 まとめると、「ソーセージとウインナーの違いは?」と質問されたら、「ソーセージは調製した肉を腸詰にして調理したものの総称で、ウインナーは ウイーン発祥のソーセージ のこと」と答えれば間違いはありません! ちなみに、これらは一般的な分類で、日本においてウインナーは"羊の腸を使ったもの"。 もしくは、"太さが20mm未満のもの"という定義があります。 なので、先ほどの答えをもっと正確にいうと、ソーセージは調製した肉を腸詰にして調理したものの総称で、ウインナーはウィーン発祥のソーセージのこと。 ただし、日本では太さが20mm未満のものは全てウインナーということになります。 つまり、冒頭で述べたお弁当に入っている短くて小さいものは「ウインナー」という認識はあながち間違いではないわけです。 ちなみに ウィンナーコーヒーもオーストリア発祥で、コーヒーの飲み方のひとつとして有名ですが、その意味は「ウィーン風のコーヒー」となります。 つまり「ウインナー風の」と付けば、すべてウィンナーということになり、アメリカンと同じく「ウインナー」は形容詞ということです。
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 円周率. 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.
参考文献: [1] 河西朝雄, 改訂C言語によるはじめてのアルゴリズム入門, 技術評論社, 1992.
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. モンテカルロ法と円周率の近似計算 | 高校数学の美しい物語. 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. 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.
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 (). モンテカルロ 法 円 周杰伦. 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. 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
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. モンテカルロ法で円周率を求めるのをPythonで実装｜shimakaze_soft｜note. 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. 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!