では当日急に休む際、どのように連絡をすればいいのでしょうか。 正直、派遣社員の場合・・・・めんどくさいです。 なぜかというと今勤務している派遣先にもよりますが、基本的には派遣社員が休む場合、派遣会社と、派遣先の企業や会社、その両方に連絡しなければならないからです。 順番としては、 まず派遣会社に連絡する 次に派遣先の会社に連絡する になります。 どちらもメールなどで済ますのではなく、電話で連絡するべきです。 また連絡する時間のタイミングとしては、必ず就業時間の前にしましょう。 ただしあまりにも早すぎると、電話がつながらないので誰かが出勤してくる時間で、かつ就業時間前というタイミングで連絡してください。 就業時間10分~15分前がベストなタイミングかと思われます。 内容としては、 「派遣社員の○○です。急で大変申し訳ありませんが昨日から体調が悪く、今朝になっても熱が下がらないので、本日休ませてもらえないでしょうか」 といった感じでいいと思います。 ただし必ずしもそうしなければならないわけではなく、派遣先への連絡だけでいい場合や、連絡手段も電話ではなく、メールの方がいいケースなどもありますので、派遣会社に確認してみましょう。 当日急に休む際に気をつけなければならないことは?
但し,$N(0, t-s)$ は平均 $0$,分散 $t-s$ の正規分布を表す. 今回は,上で挙げた「幸運/不運」,あるいは「幸福/不幸」の推移をブラウン運動と思うことにしましょう. モデル化に関する補足 (スキップ可) この先,運や幸せ度合いの指標を「ブラウン運動」と思って議論していきますが,そもそもブラウン運動とみなすのはいかがなものかと思うのが自然だと思います.本格的な議論の前にいくつか補足しておきます. 実際の「幸運/不運」「幸福/不幸」かどうかは偶然ではない,人の意思によるものも大きいのではないか. (特に後者) → 確かにその通りです.今回ブラウン運動を考えるのは,現実世界における指標というよりも,むしろ 人の意思等が介入しない,100%偶然が支配する「完全平等な世界」 と思ってもらった方がいいかもしれません.幸福かどうかも,偶然が支配する外的要因のみに依存します(実際,外的要因ナシで自分の幸福度が変わることはないでしょう).あるいは無難に「コイントスゲーム」と思ってください. 実際の「幸運/不運」「幸福/不幸」の推移は,連続なものではなく,途中にジャンプがあるモデルを考えた方が適切ではないか. → その通りです.しかし,その場合でも,ブラウン運動の代わりに適切な条件を課した レヴィ過程 (Lévy process) を考えることで,以下と同様の結論を得ることができます 3 .しかし,レヴィ過程は一般的過ぎて,議論と実装が複雑になるので,今回はブラウン運動で考えます. 上図はレヴィ過程の例.実際はこれに微小なジャンプを可算個加えたような,もっと一般的なモデルまで含意する. [Kyprianou] より引用. 「幸運/不運」「幸福/不幸」はまだしも,「コイントスゲーム」はブラウン運動ではないのではないか. → 単純ランダムウォーク は試行回数を増やすとブラウン運動に近似できることが知られている 4 ので,基本的に問題ありません.単純ランダムウォークから試行回数を増やすことで,直接arcsin則を証明することもできます(というか多分こっちの方が先です). [Erdös, Kac] ブラウン運動のシミュレーション 中心的議論に入る前に,まずはブラウン運動をシミュレーションしてみましょう. Python を使えば以下のように簡単に書けます. import numpy as np import matplotlib import as plt import seaborn as sns matplotlib.
確率論には,逆正弦法則 (arc-sine law, arcsin則) という,おおよそ一般的な感覚に反する定理があります.この定理を身近なテーマに当てはめて紹介していきたいと思います。 注意・おことわり 今回は数学的な話を面白く,そしてより身近に感じてもらうために,少々極端なモデル化を行っているかもしれません.気になる方は適宜「コイントスのギャンブルモデル」など,より確率論が適用できるモデルに置き換えて考えてください. 意見があればコメント欄にお願いします. 自分がどのくらいの時間「幸運」かを考えましょう.自分の「運の良さ」は時々刻々と変化し,偶然に支配されているものとします. さて,上のグラフにおいて,「幸運な時間」を上半分にいる時間,「不運な時間」を下半分にいる時間として, 自分が人生のうちどのくらいの時間が幸運/不運なのか を考えてみたいと思います. ここで,「人生プラスマイナスゼロの法則」とも呼ばれる,一般に受け入れられている通説を紹介します 1 . 人生プラスマイナスゼロの法則 (人生バランスの法則) 人生には幸せなことと不幸なことが同じくらい起こる. この法則にしたがうと, 「運が良い時間と悪い時間は半々くらいになるだろう」 と推測がつきます. あるいは,確率的含みを持たせて,以下のような確率密度関数 $f(x)$ になるのではないかと想像されます. (累積)分布関数 $F(x) = \int_{-\infty}^x f(y) \, dy$ も書いてみるとこんな感じでしょうか. しかし,以下に示す通り, この予想は見事に裏切られることになります. なお,ここでは「幸運/不運な時間」を考えていますが,例えば 「幸福な時間/不幸な時間」 などと言い換えても良いでしょう. 他にも, 「コイントスで表が出たら $+1$ 点,そうでなかったら $-1$ 点を加算するギャンブルゲーム」 と思ってもいいです. 以上3つの問題について,モデルを仮定し,確率論的に考えてみましょう. ブラウン運動 を考えます. 定義: ブラウン運動 (Brownian motion) 2 ブラウン運動 $B(t)$ とは,以下をみたす確率過程のことである. ( $t$ は時間パラメータ) $B(0) = 0. $ $B(t)$ は連続. $B(t) - B(s) \sim N(0, t-s) \;\; s < t. $ $B(t_1) - B(t_2), \, B(t_2) - B(t_3), \dots, B(t_{n-1}) - B(t_n) \;\; t_1 < \dots < t_n$ は独立(独立増分性).
rcParams [ ''] = 'IPAexGothic' sns. set ( font = 'IPAexGothic') # 以上は今後省略する # 0 <= t <= 1 をstep等分して,ブラウン運動を近似することにする step = 1000 diffs = np. random. randn ( step + 1). astype ( np. float32) * np. sqrt ( 1 / step) diffs [ 0] = 0. x = np. linspace ( 0, 1, step + 1) bm = np. cumsum ( diffs) # 以下描画 plt. plot ( x, bm) plt. xlabel ( "時間 t") plt. ylabel ( "値 B(t)") plt. title ( "ブラウン運動の例") plt. show () もちろんブラウン運動はランダムなものなので,何回もやると異なるサンプルパスが得られます. num = 5 diffs = np. randn ( num, step + 1). sqrt ( 1 / step) diffs [:, 0] = 0. bms = np. cumsum ( diffs, axis = 1) for bm in bms: # 以下略 本題に戻ります. 問題の定式化 今回考える問題は,"人生のうち「幸運/不運」(あるいは「幸福/不幸」)の時間はどのくらいあるか"でした.これは以下のように定式化されます. $$ L(t):= [0, t] \text{における幸運な時間} = \int_0^t 1_{\{B(s) > 0\}} \, ds. $$ 但し,$1_{\{. \}}$ は定義関数. このとき,$L(t)$ の分布がどうなるかが今回のテーマです. さて,いきなり結論を述べましょう.今回の問題は,逆正弦法則 (arcsin則) として知られています. レヴィの逆正弦法則 (Arc-sine law of Lévy) [Lévy] $L(t) = \int_0^t 1_{\{B(s) > 0\}} \, ds$ の(累積)分布関数は以下のようになる. $$ P(L(t) \le x)\, = \, \frac{2}{\pi}\arcsin \sqrt{\frac{x}{t}}, \, \, \, 0 \le x \le t. $$ 但し,$y = \arcsin x$ は $y = \sin x$ の逆関数である.