科学的根拠に基づく「健康に良い食事」について｜国立健康・栄養研究所
20歳以上、日本における推計値 https://vizhub.healthdata.org/gbd-results/より作成 ※食事要因全体による総計のため、合計値とは一致していない。 日本にはすでに、健康で豊かな食生活の実現を目的に「食生活指針」（平成12年策定、平成28年改訂）と「食生活指針」を具体的に行動に結びつけるものとして、「食事バランスガイド」（平成17年策定）があります。主食・主菜・副菜を基本にバランスのよい食事をとることが勧められています。これらと、上記の最新の調査から、日本人がこれからも気をつけた方がよい食事は具体的に下記の通りとなります。これまでも取り上げられてきた内容が多いものの、現状の日本人の食事では達成が出来ていない内容もあります。 ぜひもう一度、ご自身の食事で出来るところから変えてみましょう。ただし、食事内容を見直すにあたり疾患のある方や個別に健康の不安がある方
退職代行モームリ累計利用者15,934名分のデータ・利用された企業情報を公開
退職代行モームリ累計利用者15,934名分のデータ・利用された企業情報を公開～Z世代と新卒で増加する退職代行利用者、労働者の本音はどこに～ 報道関係各位 2024年8月7日 株式会社アルバトロス 退職代行モームリを管理している株式会社アルバトロス（本社：東京都港区、代表取締役：谷本慎二）が、2024年8月1日（木）に退職代行の利用状況の調査を行いましたので、その結果を公開致します。 株式会社アルバトロス https://www.alba-tross.jp/ 退職代行モームリ https://momuri.com/ 退職する会社に本当の退職理由を伝える方はほとんどいないと言われています。 退職代行モームリには利用者15,934名の生の声を反映させたデータがあり、日々蓄積されています。 当社の保有している膨大なデータは、労働者はもちろん企業の方にとっても非常に有益かつ貴重な情報となるかと思いま
ゲームを趣味にしている人の割合が多いのはどのくらいの収入の人たちなのか調べてみた - nonameのノート
「底辺や低学歴はゲームが好き」これって社会科学の分野ではよく知られた概念だけど、何で炎上してるんだ？教職課程とかでもやるじゃん という元増田と、 誰か統計データで本当かどうか確かめてくれない？令和 3 年社会生活基本調査に「男女,教育,趣味・娯楽の種類別行動者数」とか「年間収入・収益,趣味・娯楽の種類別平均行動者数(有業者)」とかある。たのみます。 - hevohevo のブックマーク / はてなブックマーク というブコメを見て、 社会生活基本調査 令和 3 年社会生活基本調査 調査票Ａに基づく結果 生活行動に関する結果 生活行動編（地域） 趣味・娯楽 | ファイル | 統計データを探す | 政府統計の総合窓口 にある、 社会生活基本調査 令和 3 年社会生活基本調査 調査票Ａに基づく結果 生活行動に関する結果 生活行動編（地域） 趣味・娯楽 98-8 男女,仕事からの個人の年間収入・収益
正社員と非正社員「結婚・乳児死亡率の大きすぎる差」…やはり日本は「正社員が9割」の国を目指すしかない（小林 美希）
2022年の出生数が80万人割れとなって、大きな波紋を広げている。1899年の統計開始以来、初の80万人割れとなる79万9728人になった（厚労省「人口動態統計」）。 岸田文雄首相は「こども政策の強化」として、（1）児童手当を中心とした経済的支援の強化、（2）産後ケア、幼児教育や保育のサービスの拡充、（3）働き方改革――を3本柱として掲げるが、既存施策の焼き直しに留まり、実効的な「少子化対策」とは言えない状況だ。 筆者は約20年前から雇用と結婚、出産、子育ての関係をライフワークとしているが、雇用不安が少子化に与える影響は計り知れず、その視点が抜け落ちている。 男性正社員・非正社員の未婚率の大きな差 著書『年収443万円』では、不妊治療中の男性（30代前半）が雇用不安を抱える。 「今は自分も妻も、地元の平均年収を上回っているからこそ、結婚もできて、子どもを望めるのだと思います。ただ、妻は正社
ヒットの固着──Spotifyチャートから見えてきた停滞する日本の音楽（松谷創一郎） - エキスパート - Yahoo!ニュース
動かないヒット ヒットが動かない──日本の音楽シーンで奇妙な現象が起きている。とくにそれは、音楽メディアの中心となりつつあるストリーミングサービスで生じている。 それが確認できるのは、世界でもっともユーザー数の多いSpotifyだ。そこでは、73か国・地域とグローバル（全体）の200位までのチャートが公開されている（※１）。その特徴はランキング（順位）だけでなく、再生回数もオープンにされていることだ。 上位200位までに限定されたデータではあるが、そこから読み取れることも多い。とくに日本のチャートが、極めて奇妙な傾向を示していることがわかった。 一言で表せば、それは“ヒットの固着”と呼べる現象だった。 Spotifyは日本でシェア２位 データの確認の前に、Spotifyと日本の音楽状況について簡単に整理しておこう。 Spotifyは現在238の国・地域で利用できる。使えないのは、中国や北朝
腕に針を刺して体内の血糖値を常時記録する「フリースタイルリブレ」で糖質と血糖値の関係を徹底的に調査した
腕にセンサー付きの針をぶっさしてスマホで体内の血糖値をモニタリングできるデバイスを使って、食事と血糖値の関係を調査してみました。 目的は、ダイエットと健康のために食事と血糖値の関係を正しく知り、血糖値をコントロールできるようになること。 特に血糖値が急激に上がる「血糖値スパイク」というのを恐れてます。血糖値スパイクはその名の通り血糖値が急激に上がり血管にダメージを与えるもの（らしい）。血管を大切にしたいのでどうしたら血糖値スパイクを避けられるのか知りたい！ フリースタイルリブレとは 極細の針がついたセンサーを腕につけっぱなしにして2週間常時体内の血糖値を計測できるというもの。2週間たったら新しいものに取り換えが必要。（電池交換式等ではなく、2週間の使い捨てです。） 腕に針をさすと言っても、刺す瞬間ちょっと痛いくらいで日常生活は何ら支障ありません。針もめっちゃ細くて下の写真のようにアプリケー
元Googleデータ科学者「人生をうまくやるコツってめちゃシンプルだよねー」
► 2024 ( 258 ) ► 09/01 - 09/08 ( 3 ) ► 08/25 - 09/01 ( 8 ) ► 08/18 - 08/25 ( 7 ) ► 08/11 - 08/18 ( 8 ) ► 08/04 - 08/11 ( 9 ) ► 07/28 - 08/04 ( 7 ) ► 07/21 - 07/28 ( 7 ) ► 07/14 - 07/21 ( 8 ) ► 07/07 - 07/14 ( 7 ) ► 06/30 - 07/07 ( 7 ) ► 06/23 - 06/30 ( 7 ) ► 06/16 - 06/23 ( 7 ) ► 06/09 - 06/16 ( 7 ) ► 06/02 - 06/09 ( 7 ) ► 05/26 - 06/02 ( 7 ) ► 05/19 - 05/26 ( 9 ) ► 05/12 - 05/19 ( 7 ) ► 05/05 - 0
東京の感染者数を5週間ぶん予測した (6月28日版)
(※ 新しい予測を公開しました→ 東京の感染者数を5週間ぶん予測した (7月5日版)) 東京の感染者数を5週間ぶん予測した (6月21日版) の続き。まえがきは前回の記事でご覧ください。 前回の予測はかなり高い精度で当てることができました。日曜までの週単位では 3368人 の予測に対して 3342人 の現実となりました。 今回は、宣言解除による～6月27日の週の人流増を反映し、～7月11日の週の予測を上振れさせました。2人での飲酒が解禁になった影響は、ある程度は人流の増加に織り込み済みとみなしています。ただし、「3週前の感染者数の最大値」を予測に用いている性質上、上振れした週の感染者数は都民を緊張させ、3週後のブレーキにつながるので、全体としての影響は限定的です。新たに追加した～8月01日の週では、5月の大阪並みの緊張感にワクチンの効果も加わって急減速するも、デルタ株を減らすにはまだ及ばな
結婚相談所で成婚した6,984名のデータで分かった結婚できる人の特徴｜あなたは結婚できる？
女性と比較すると、ちょうど1世代ずれていると考えるとわかりやすいでしょう。 ただしこの数字をご覧いただければお分かり頂けるように、男性であっても年齢が負の影響を与えるのは間違いありません。確かに女性よりは年齢による婚約指数の減少は少ないですが、それでもそれなりに大きく減少しているので男性も油断は出来ないでしょう。 ※成婚指数：平均的な婚活者と比較して、どの程度成婚できるかという指標 地獄の年収それでは男性の年収は結婚相談所の婚活において、どの程度の影響があるのでしょうか。 結論から言えば「地獄」で御座います。 まず年収300万円未満の場合、グラフにすることすら出来ません。便宜上、白い線を微妙に書かせて頂きましたが、実際の数字はこの白い線すらないとお考え下さいませ。 2019年に結婚相談所で結婚した3492名の男性のうち、年収300万円未満の男性は0.0%で御座います。年収300万円未満で結
「男性はぶつかってくる」は本当か
当方、20代女性である。 先日ついうっかり足を捻挫してしまい、しばらく松葉杖生活となった。 その際に気付いたことがあるので書き留めておこうと思う。 「男性はぶつかってくる」 男性は駅や街の雑踏でぶつかってくる。それは女性を無意識に見下していて、避けないからだ。 これは女性なら多かれ少なかれ心のなかに共有された理解であると思う。私もそう思っていた。 もちろんわざわざぶつかってくる一種の変態もいる。彼らを置いておいて、男性一般に関しての話だ。 あくまでも個人ではなく集団としてである。 「日本人は酒が弱い」「日本人は清潔を好む」 これらは集団としては成立するが、これを個人個人に還元しようとするのはナンセンスだろう。あくまでもマクロな話であると念を押しておく。 私が気付いたのは、「女性はぶつかってくる」ということである。 私は定期の関係で新宿や秋葉原でよく下車するため、コロナ禍の中でも雑踏を通る機
National Exit Polls: How Different Groups Voted (Published 2020)
The numbers on this page are estimates from exit polls conducted by Edison Research for the National Election Pool. These surveys interviewed voters outside of polling places or early voting sites, or by phone (to account for mail-in voters). Results from interviews with 15,590 voters are shown below. These numbers have been adjusted to match the actual vote count. While exit polls offer an initia
Geolonia 住所データ
Skip to the content. Geolonia 住所データ 全国の町丁目、大字、小字レベルの住所データ（277,543件）をオープンデータとして公開いたします。 本データは、国土交通省位置参照情報ダウンロードサービスで配布されている「大字・町丁目レベル位置参照情報」をベースとしていますが、「大字・町丁目レベル位置参照情報」データは年に一回更新であるのに対して、本リポジトリで配布するデータは毎月更新しています。 latest.csvをダウンロード latest.dbをダウンロード リリースノート 住所データ仕様 ファイルフォーマット latest.csv: CSV latest.db: SQLite3で読み込めるバイナリ形式 列 都道府県コード 都道府県名 都道府県名カナ 都道府県名ローマ字 市区町村コード 市区町村名 市区町村名カナ 市区町村名ローマ字 大字町丁目名 大字町丁目
「子供の成績と、世帯年収／父親の学歴」の関係に対する考察 - orangeitems’s diary
世帯年収が高い、もしくは父親の学歴が高い世帯の子供は、学力が上がる、というツイートが話題となっていまして、返信をつけたら結構反応がありました。 親がチートの方法を知ってると子供は強いです。だからと言って統計に負ける必要は無く、親の学力が低くても独力で切り開く人もいます。 こういった統計のワナに飲み込まれないためのコツは、異端になることかな、と思います。 — orangeitems / ブロガー / note (@orangeitems_) July 20, 2020 この内容について、解説を付けておきたいと思います。 私自身はこの統計をひっくり返した立場にいます。この傾向の通りにならなかった、ということです。 私が育った家庭は超貧しかったですし、学費も日本育英会から高校・大学と借りました。父親の学歴とありますが、そもそも母子家庭で父親もいなかったですし（笑）。でも、この統計のようにはなりま
『コロナ感染マップ、誰も作らないので私が作りました』
マスメディア報道のメソドロジーマスメディア報道の論理的誤謬（ごびゅう：logical fallacy）の分析と情報リテラシーの向上をメインのアジェンダに、できる限りココロをなくして記事を書いていきたいと思っています（笑） 緊急事態宣言が都道府県ごとに解除される中、ハッキリ言ってピントがズレているのは、専門家会議が感染者の【空間分布 spatial distribution】を定量的に把握することなく、都道府県ごとの感染者数の時間変動のみを参考にブレイン・ストーミングによって緊急事態の解除の可否を検討していることです。 緊急事態の空間的な解除を見極めるにあたって、本当に重要なことは、特定地域の感染率の空間分布の挙動が時間の経過とともにどのように変化しているかという【時空間挙動 spatio-temporal behaviors】を把握することです。また、同一都道府県内においても歴然とした【不
高齢者は朝のドラッグストアへ本当に「殺到」したか 購買データで解明
新型コロナウイルスの感染食い止めのため、小売りでの来店客の密集防止が叫ばれている。政府などが必要に応じた入場制限を呼び掛けているスーパーと並び、焦点となっているのがドラッグストアだ。在宅勤務などで消費が増えた日用品を買いに訪れる人を減らすのは、容易ではない。加えて、マスクやトイレットペーパーを買うための早朝の行列も問題になった。 では、実際にドラッグストアに実際に「殺到」しているのはどの年代で、時間帯はいつ頃なのか。「高齢者は～」「若者だから」などとどうしても印象論で語られやすいこうした消費者行動や世代差の実像について、購買データによる独自分析で迫った。 「トイレットペーパー騒動」時、特に50～60代急増 分析は、ビッグデータによるマーケティング分析を手掛けるTrue Data（東京・港）が、全国のスーパーやドラッグストアにおける延べ約5000万人の購買情報を活用。レシートに加えてポイント
アベノミクスの「成果」を示すデータ集 - モノシリンの３分でまとめるモノシリ話
さて，選挙も近づいてきたということで，アベノミクスの成果を示すデータを貼り付けていこうと思う。 選挙のたびに「経済」が強調されてきたのだから，有権者にとってアベノミクスの成果を確認することは必要不可欠である。 まずはツイッターで盛大にバズったこのグラフから。アベノミクス前の2012年を100とした賃金と物価と消費の推移である。 データ元：厚労省，総務省 消費税増税と円安により，物価が6年間で6.6％も上がった（赤）。 その一方，名目賃金は2.8％しか伸びなかった（青）。 だから実質賃金は，アベノミクス前と比べて3.6％も落ちた（緑）。 そして，実質世帯消費動向指数は9.3％も落ちた（黄色）。 日銀によると消費税増税による物価上昇効果は2％だそうだ。 残りの4.6％はアベノミクスがもたらした円安が最も影響しているだろう。 （なお，2015年に原油の暴落があったおかげで円安による物価上昇の勢い
人口、労働、賃金、社会保障などについての統計データをどう調べればよいか？｜野口悠紀雄
◆人口 ・人口の長期時系列データ 人口というのは最も基本的な統計データだが、検索エンジンで「人口」と検索しても、どこを見たらよいか分からないだろう。 e-Statには人口の統計があるらしいと分かるが、長期の人口統計がどこにあるか、分からない。探し出しても、いくつかの期間に分かれていて、使いにくい。 私が探した限りでは、『日本統計年鑑』にあるこのデータ集が最も使いやすい。ただし、昔は長期に連続した表だったが、いまでは1920年で２つの表に分かれてしまっていて、やや使いにくくなった。 ・人口統計資料集 国立社会保障・人口問題研究所による統計資料集。 江戸時代の人口や世界の人口についての資料も、「Ⅰ．人口および人口増加」率の中にある。 ・将来人口推計 https://www.ipss.go.jp/pp-zenkoku/j/zenkoku2023/db_zenkoku2023/db_r5_suik
モンスト1,300億円、FGO 982億円、ポケGO 890億円。2017年のアプリ収益データとツイートまとめ。｜アプリマーケティング研究所
モンスト1,300億円、FGO 982億円、ポケGO 890億円。2017年のアプリ収益データとツイートまとめ。 スマホゲームやアプリの収益データ（2017年）を簡単にまとめておきます。 世界のスマホゲーム収益ランキング（2017）世界でのスマホゲーム収益ランキング。 1位：Arena of Valor（1,900億円） 2位：Fantasy Westward Journey（1,500億円） 3位：モンスターストライク（1,300億円） 4位：クラッシュ・ロワイヤル（1,200億円） 5位：クラッシュ・オブ・クラン（1,200億円） 6位：Fate/Grand Order（982億円） 7位：リネージュ2 レボリューション（980億円） 8位：キャンディークラッシュ（910億円） 9位：ポケモンGO（890億円） 10位：Ghost Story（860億円） 参考：SuperData h
機械学習を使って東京23区のお買い得賃貸物件を探してみた - データで見る世界
さて、改めて今回の目的を確認しておくと、機械学習を使って東京都23区のお買い得賃貸物件を発見しよう、というものです。前回までの記事で、お買い得賃貸物件を発見するためのデータを収集し、分析にかけられるよう前処理してきました。 www.analyze-world.com www.analyze-world.com 今回の記事では、いよいよ機械学習を使って分析していきましょう。前回まではPythonを使っていましたが、この分析ではRを用いています。なお、コードはGitHub（https://github.com/ShoKosaka/Suumo）に上げておきますので興味ある方は参照ください。 最初に、データの中身をざっくり見ていきます。具体的には、分析のキーになるポイントをグラフにしながら、賃貸物件の現状や変数同士の関係性を把握していきます。 データ探索 まず、23区の中でどこが物件数が多いのかを
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
TVAL now（ティーバルナウ） - テレビ番組リアルタイム視聴率