Perl one liner 集 perl 1行野郎
Landscape トップページ | < 前の日 2003-06-03 2003-06-04 次の日 2003-06-05 > Landscape - エンジニアのメモ 2003-06-04 Perl one liner 集 perl 1行野郎 当サイト内を Google 検索できます * Perl one liner 集 perl 1行野郎この記事の直リンクURL: Permlink | この記事が属するカテゴリ: [Perl] - one liner、日本語で言うと一行野郎いわゆる一行スクリプトを解説したページ。 昔はよく参照してたが、google をいくら探しても見つからない。 仕方がないので、ここに転載しておく。 - Internet Archive で見つけた。「perl でいいよ」 というページの一コーナーだったようだ。 http://web.archive.org/web/2
File::chdir - より機能的なディレクトリ変更 - perldoc.jp
名前¶ File::chdir - より機能的なディレクトリ変更 概要¶ use File::chdir; $CWD = "/foo/bar"; # これで/foo/barに入ります { local $CWD = "/moo/baz"; # これで/moo/bazに入ります ... } # /foo/barにいます! 説明¶ Perlのchdir()はとても、とても、とってもグローバルであるという残念な 障害を抱えています。あなたのプログラムのどこかでchdir()を呼ぶか、 あなたの使うライブラリのいずれかがchdir()を呼ぶと、プログラム全体の 現在の作業ディレクトリを変更します。 あー、ムカつく! File::chdirは代替方法、$CWDと@CWDを提供しますこの2つの変数は chdir()、File::SpecそしてCwdの能力全てを結合しています。 $CWD¶ chdir()
心理統計の注意点：信頼性についての注意点
信頼性について １．信頼性係数のお話…その定義と注意点 信頼性(reliability)とは，テストにおける回答の安定性・一貫性を指していると考えてもらえればよいでしょう．信頼性係数とはその信頼性を数値化した指標で，古典的テスト理論という理論では「テストから得られる分散のうち，真の得点（分からない人は読み飛ばしても大丈夫です）の分散の比率」という定義になっています．さらに，このことを言い換えると，「テストから得られる分散のうち，誤差の分散を除いた部分の比率」ということもできます．このように考えると「真の得点の分散」もしくは「誤差の分散」が分かれば信頼性はすぐに求められるような気がします．しかし，実際上「真の得点」というのは理論上のもので，実際に直接は計算することはできないところがポイントです．従って，いくつかの方法を使って推定することになります。 この推定方法ですが，一定の期間を置いて
α係数と（標準）因子得点
■α係数と（標準）因子得点 2002.11.11. 作成 1. おかしい 今年（2002）の修論中間発表を聞いていて，気になったことが一つあります。それは，因子分析の後のデータの扱いについてです。因子分析を行って，単純因子構造を求めるために，項目の選択を行う。そして最終的に出てきた因子を説明するのに，負荷量.4以上の項目を四角で囲んで表示し，α係数を求める。そしてその後の分析のために，因子得点（標準因子得点）を算出する。これはちょっと手続きとしておかしいのです。 なぜおかしいかというと，α係数を求めたり四角で囲むのは，項目の素点を単純に合計して尺度得点を算出するときのやり方であって，因子得点で分析するなら，こういう手続きは不要だし不適切だからです。 2. 合計得点の考え方 今，３０項目の質問紙があったとして，因子分析の結果３因子が抽出されたとしましょう。このとき，因子１に高い負荷量を示す項
最小二乗法について
最小二乗法は計測データの整理に使われる方法である。 n個のデータ(x1,y1),(x2,y2), .......(xn,yn)が得られたとする。 に最もフィットする直線をy=ax+bとすると、 でa,bが求められる。 以下詳しい解説が書いてあります。解説は上から順番に書いてありますが、適当に飛ばし読みしたいときは、以下をクリックしてください 最小二乗法の目的 最小二乗法の考え方 具体的な計算方法 一般的な場合 車が一定速度で動いているとする。それを測定して時間と位置との関係をグラフに表すと となる。 しかし、実際は測定誤差があるので、こんなふうにきれいに並ぶことはない。 こんなふうに並んだものに対して、エイヤっと線を引いてしまうわけである。 そして、この直線の傾きから車の速度を求める。 この、エイヤっと引いた線を、人力ではなく、もうすこしもっともらしく計算で決定しましょうとい
計量経済学 - Wikipedia
計量経済学（けいりょうけいざいがく、英: econometrics）とは、経済学の理論に基づいて経済モデルを作成し、統計学の方法によってその経済モデルの妥当性に関する実証分析を行う学問である。 分析の対象となる経済系列は、次の3種類に大別される。 交差系列（英語版） (Cross section Data) ：同一時点での様々なデータ。例えば、ある時点で47都道府県の人口、人口密度、男女比などを調べたもの。 時系列 (Time series Data) ：同一種類のデータを様々な時点で取ったもの。例えば、ある都道府県の人口を時間を追って調べたもの。 交差時系列 (Panel Data) ：交差系列 (Cross section Data) で時系列 (Time series Data) である系列。例えば、47都道府県の人口を時間を追って調べたもの。パネルデータ分析と呼ぶことが多い。
IPv6 - Wikipedia
Internet Protocol Version 6（インターネット プロトコル バージョン6）、IPv6（アイピーブイ6、アイピーバージョン6）は、Internet Protocolの一種で、OSI参照モデルにおいてネットワーク層に位置付けられる通信プロトコルである。 現在主流のIPv4では使用可能なIPアドレスが約 232（約43億 = 4.3×109）個であったが、IPv6では約 2128（約340澗 = 3.4×1038）個使用可能となっており、大きな特徴の一つである[1]。実際、ISPの一般向けIPv4接続サービスはアドレスをひとつだけ割り当てるものが主流だが、IPv6接続サービスでは/48〜/64の大きさのアドレスブロックが割り当てられることが多い。 IPv6が誕生した背景には、IPv4のIPアドレス枯渇問題がある[2]。 1980年代までは、米国内を中心に、Class A
Dynamic Host Configuration Protocol - Wikipedia
Dynamic Host Configuration Protocol（ダイナミック ホスト コンフィギュレーション プロトコル、DHCP）は、IPv4ネットワークで使用されるネットワーク管理プロトコルであり、コンピュータがネットワークに接続する際に必要な設定情報を自動的に割り当てるために使用する。 BOOTPにリース機能を追加してDHCPとなっている。 DHCPサーバは、IPアドレス等のネットワーク構成設定をネットワーク上の各デバイスに動的に割り当て、他のIPネットワークと通信できるようにする[1]。DHCPサーバを使用すると、コンピュータは自動的にIPアドレスとネットワーク設定を要求でき、ネットワーク管理者やエンドユーザが全てのネットワークデバイスに手動でIPアドレスを割り当てる必要がなくなる[1]。 DHCPは、ホームネットワーク（英語版）から大規模なキャンパスネットワーク（英語版）
Maybe モナドの秘密 - あどけない話
Real World Haskell 読書会での Maybe モナドに関する議論をまとめておきます。 case と Maybe モナドの導入には、必ずといっていいほど、Maybe が使われます。たとえば、子供をキーとして検索すると、父親を得られる DB があるとします。 type DB = [(String,String)] db :: DB db = [ ("Bob","Dave") , ("Dave","Steve") , ("Steve","Tony") ] コードを簡潔にするために、DB を検索するための補助関数を導入します。 lookup' :: DB -> String -> Maybe String lookup' = flip lookup これらと case を使って、ひいおじいさんを探すコードを書くとこうなります。 -- コード1 findGGFather :: Str
F#プログラマのためのMaybeモナド入門 - みずぴー日記
http://twitpic.com/3w34bo はじめに モナドといえばHaskell、Haskellといえばモナドが有名ですが、モナドは特定の言語とは無関係の仕組みですので、F#でも使えます。ただ単に使えるだけでなくコンピュテーション式というモナドをより便利に使うための文法まで用意されています。 この記事では、option型を便利に扱うためのMaybeモナドを例にモナドのすごさを紹介していきます。 Maybeモナドのすごいとこ option型っていいですよね。ぬるぽので落ちる心配もないですし。Maybeモナドはそんなoption型を便利に扱うためのモナドです。 option型を扱うのにMaybeモナドと呼ばれてるのは、Haskell由来だからで特に重要な理由はありません。 DBからの値取得とかHttpリクエストからのパラメータ取得などの外部とやりとりする関数は必ず成功するとか限らない
[Python][お勉強] Python入門(27) - lambda式
メモ代わり。てきとーに。 いや、ですからてきとーですって。 2年前ぐらいにPythonあたりでメールくれた方、ごめんなさい。メール紛失してしまい無視した形になってしまいました。。。 今日はlambda式。 Lispから来た名前だそうで。 lambda式とは defステートメントのように関数を作成する際に使用するもの。 defステートメントとは違い「式」。よってdefステートメントでは記述できない場所に記述することが可能。 また、defステートメントでは関数の名前を記述できたが、lambda式では意図的に代入しない限り名前がない。つまり無名関数生成式ということ。 lambda式のシンタックス lambda <arg1>,<arg2>,...<argN>: <expressions> の形をとる。 実際に書いてみる。 まずdefステートメントから、 >>> def func(x,y,z): r
LISP MEMO
◇ 1. ラムダ(lambda)式 数式は、単にf(x)と表現されているだけでは、それが関数をあらわしているのか、 あるいは関数値を表しているのか区別がつかない。なぜなら変数のxが仮引数で あればf(x)は関数になり、実引数であれば値の決まった関数値になるからである。 (変数を数学的に束縛変数と自由変数に分けて説明する方法もあるが、ここではプログラミング の世界の仮引数、実引数、局所変数、大域変数などで説明する。) lispではlambda式で関数を定義することができる。 たとえば、(+ x y)のような加算の式において、xとyが仮引数であること明示的に表す にはlambda (x y)と表現すればよい。 そうすると、xとyの加算の関数は全体をカッコでまとめたリスト形式で (lambda (x y) (+ x y)) のように表せる。 この関数に実引数として、1と2を与えるには次
キーボード ショートカット - Chrome ヘルプ
タブグループのメニューを開く Windows の場合: Windows パソコンで Chrome を開きます。 タブの選択に移動するには、タブがフォーカスされるまで F6 キーを押します。 特定のタブにフォーカスを切り替えるには、Tab キーを押して進むか、Shift+Tab キーを押して戻ります。 タブグループ メニューを開くには、[メニュー] を押します。 メニューを選択するには: 上下に移動するには、上矢印 キーまたは下矢印 キーを押します。 左右に移動するには、左矢印 キーまたは右矢印 キーを押します。 メニュー オプションを選択するには、Enter キーを押します。 Chromebook の場合: Chromebook で Chrome を開きます。 タブの選択に移動するには、Ctrl+Tab キーを押します。 特定のタブにフォーカスを切り替えるには、Ctrl+前へ キーまたは
Google Chromeのショートカットキーまとめ | Hinemosu
Google Chromeのショートカットキーを表にまとめてみたよ。「Keyboard and mouse shortcuts : Getting started – Google Chrome Help」を翻訳すると共に、自分流に整理し直してみました。大きく「キーボードショートカット」と「マウスショートカット」に分けてあります。 併せて『Google Chrome、Omniboxの使い方』も読んで頂くと、ますますChromeが便利になると思います。 ↓↓ここから追記↓↓ 現在はGoogle公式ヘルプ キーボードとマウスのショートカット – Chrome ヘルプ にてショートカットがまとめられています。併せてご参照ください。 ↑↑ここまで追記↑↑ キーボードショートカット コマンド ショートカット
オブジェクトの内容をXMLファイルに保存、復元する: .NET Tips: C#, VB.NET, Visual Studio
オブジェクトの内容をファイルに保存、復元する オブジェクトのXMLシリアル化、逆シリアル化を行うオブジェクトの内容をXMLファイルにして保存し、そのXMLファイルから元のオブジェクトに復元できると色々と便利です。例えば、INIファイルの代わりとして、設定を保存、復元したい時などに有用です。（設定を保存する場合は、「アプリケーションの設定を保存する」も参考にしてください。） これを行うには、XmlSerializerクラス（System.Xml.Serialization名前空間）を使うと簡単です。XMLファイルに書き込む時はSerializeメソッドを使ってオブジェクトをXMLシリアル化（シリアライズ）し、XMLファイルを読み込む時はDeserializeメソッドを使ってXML逆シリアル化（デシリアライズ）をします。 オブジェクトの内容をXMLファイルに保存（シリアル化）する次のコードでは
オブジェクトの内容をバイナリファイルに保存、復元する
オブジェクトの内容をバイナリファイルに保存、復元する オブジェクトのバイナリシリアル化、逆シリアル化を行う保存しないフィールドを指定するこの記事への評価、コメント オブジェクトの内容をバイナリファイルに保存、復元する オブジェクトのバイナリシリアル化、逆シリアル化を行うオブジェクトの内容をバイナリファイルに保存する簡単な方法として、BinaryFormatterクラスを使う方法が挙げられます。BinaryFormatterを使用してオブジェクトをシリアル化し、FileStreamでファイルに書き込むのです。 補足：BinaryFormatterクラスの代わりにSoapFormatterクラスを使って、XMLファイルに保存することもできます。SoapFormatterの使い方は、ここで紹介している方法とほぼ同じです。
正規分布関数などと二項分布との関係 - 正規分布、ポアソン分布、t分布などの分布関数と離散的な二項分布とがどんな関係にあ... - Yahoo!知恵袋
はーいo(^-^)o *************************** (1)二項分布から正規分布へ *************************** 確率はそんなに小さくなくて一定で、nをどんどん大きくしていくと、 二項分布は正規分布に近づいていきますo(^-^)o 二項分布の確率関数は、 PB(x)=(nCx)*p^x*(1-p)^(n-x) ですねo(^-^)o n→∞としていきます。 この積ばかりでできた式をくずすため(^0^) 対数をとりましょう(^0^)/ (そしてg(x)とします) g(x)=lnP(B)(x) ......=ln(n!)-ln(x!)-ln｛(n-x)!｝+xln(p)+(n-x)ln(1-p) あとで級数で近似するので、微分していきます(^0^)/ xが十分大きいとき、 ｛ln(x!)｝≒[ln(x!)-ln｛(x-1)!｝]/｛x-(x-1)
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
サービス終了のお知らせ