システム構成の複雑化や利用するテクノロジーの多様化により、それぞれの機能や技術に特化した監視・管理ツールも複雑化し、横断的にデータを収集・分析することが難しくなってきます。New Relic One を導入すれば、システム全体の情報をリアルタイムに取得して、常に最適なシステム環境を維持・改善することができる状態（オブザーバビリティ）を実現し、クラウドの優位性を最大化します。

1．米ドル基軸通貨現在、ドルは世界の「基軸通貨」、すなわち国際的に決済などで幅広く利用される国際通貨の中でも中心的・支配的な役割を果たす通貨として位置づけられています。第二次大戦後、ドルを唯一の金本位通貨とし、各国通貨の為替レートをドルとの間で固定するブレトンウッズ体制のもとで始まり、1973年に変動相場制へ移行した後も実質的にドルが基軸通貨の役割を果たしています。 1870年代から第一次世界大戦前までは、英国を中心とする国際金本位制のもとでポンドが基軸通貨として機能していました。しかし、英国は第一次世界大戦で国力を消耗した上、1929年に発生した世界恐慌に伴う金融恐慌により大量の金が国外に流出し、1931年に金本位制を放棄せざるを得なくなりました。 一方、米国は第二次大戦を通して金の保有量を急速に増やし、最大の経済大国となり、ドルが国際通貨として台頭。1944年のブレトンウッズ協定により

アメリカが世界最強の国でい続けた理由はいくつかあるが、そのうち最大の理由の一つが「ペトロダラー」だと思う。 1971年8月15日、ニクソン大統領は世界に衝撃を与える発表を行った。ドル札を銀行に持ってくれば金（ゴールド）と交換しますよ、という制度（金兌換）をやめた、ニクソンショック。 これでアメリカのドル札はただの紙切れになるはずだった。お金の値打ちを裏付けるゴールドとの交換をやめてしまったのだから。 しかしこのとき、ニクソンの腹心、キッシンジャーは巧みな手を打っていた。世界中どこに行っても石油はドルでないと買えないという仕組みが、いつの間にかできていた。 円を持っていっても、中東の国はアメリカじゃないはずなのに、ドルでしか石油を売ってもらえなくなっていた。もはや世界は石油なしには動かなくなっていた。日本のような国は、ドル札を手に入れないと石油が買えない。ドルを手に入れるにはどうしたら良いか

みなさまは"The Causal Revolution" (因果革命)という言葉を聞いたことがあるでしょうか？ 私は今月(2021年6月)に初めて知りました。Google Trendsでもデータ不足によりトレンドが表示されません。 つまりまだ全然マイナーな概念で、聞いたことがないほうが自然かと思われますが、これは「来る」と確信したため本記事を投稿しました。この確信の根拠の箇所を記事中で太字で書いた他、最後にもまとめたため、本記事を読む価値がありそうかの判断には先にそちらを読んでもらってもいいかもしれません。しかしながら、因果革命ないし統計的因果推論は学ぶ価値のある分野です。本記事を読まなくても下記に挙げた書籍を未読の方はぜひ一読してみてください。Qiitaでも因果推論についての記事はいくつもあります。しかし、私が感動した点を明示化した記事は見当たらなかったため本記事を投稿しました。 この記

連載 井上 浩輔，杉山 雄大，後藤 温 2021.06.07 週刊医学界新聞（通常号）：第3423号より Today's Key Points ✓ DAGは変数間の因果関係に関する仮説を整理・議論する上で有用なアプローチである。 ✓ 因果効果を推定する際，DAGによって，調整すべき変数・調整すべきでない変数を検討しやすくなる。 今回は，変数間の因果関係に関する仮説を整理して伝える上で有用なアプローチである，DAGダグ（Directed Acyclic Graph：非巡回有向グラフ）1～3）について説明します。 DAGとは何か？ 解析の際にどの変数をモデルに入れるか困ったことはありませんか？　DAGを用いることで，曝露がアウトカムに与える影響を評価するためにどの変数で調整すべきかを検討しやすくなります。なお，第2回に登場した「条件付け」は，統計学的に変数で調整するアプローチの一つです。 DA

興味があってJudea Pearlの『入門統計学的因果推論』を昨年から読んでいるのですが、読んでいるだけだとイマイチ頭に入らないので、読んだ内容を大まかにまとめてみたいと思います。 どこかで専門的に学んでいるわけではないので誤りがあったら申し訳ありません。備忘録のようなものですが、同じように読み進めたい方の参考になれば幸いです。 第1章「序論：統計モデルと因果モデル」の内容から進めてみたいと思います。 目次： DAGとは？ グラフ理論の用語 点/辺 有向/無向 道（パス） 巡回/非巡回 親/子, 先祖/子孫 構造的因果モデル（SCM）とは？ SCMとDAGの関連とDAGの利点 DAGとは？ 統計学的因果推論といえばDAGという用語をよく見かけます。医学界新聞でも『因果推論レクチャー』という連載が昨年から始まっていました。 因果推論で医学研究を身近で素敵なものに！ | 2021年 | 記事一

さて、濃密な第3章の内容からバックドア基準、フロントドア基準の紹介をしていきます。 目次： バックドア基準フロントドア基準 バックドア基準 まず前回までの記事で観察された結果から介入による効果を推測するには、その変数の親となる変数の集合で調整すれば良いことが分かりました。 ところが、その親の集合全てがわかるわけではありません。現実問題として調べたい介入を促すような原因を全て知るのは不可能でしょう。観察されるデータには限りがあるわけです。 そこで、登場するのがバックドア基準です。 この基準を満たす変数の集合で条件付けすることができれば、介入による効果を観察データから推測することができる、というものです。 定義は次のように説明されています。 非巡回的有向グラフGにおいて変数の順序対(X,Y)が与えられたとき、変数の集合Zに含まれるいかなるノードもXの子孫ではなく、かつXとYの間の道でXに向かう