• 検索結果がありません。

2つの変数xとyの間に

方法として 最小 2 乗法 をみてみましょう 2 重回帰分析 最小 2 乗法とは 回帰直線の方程式 y=ax+b について 方程式から求められるy( 予測値 ) と 散布図上の実際の値 ( 実測値 ) との 誤差 の総和を最小にする という考え方に基づいています 単回帰分析は1つの項目 ( 説明変数

方法として 最小 2 乗法 をみてみましょう 2 重回帰分析 最小 2 乗法とは 回帰直線の方程式 y=ax+b について 方程式から求められるy( 予測値 ) と 散布図上の実際の値 ( 実測値 ) との 誤差 の総和を最小にする という考え方に基づいています 単回帰分析は1つの項目 ( 説明変数

... 項目を説明するものですが、説明変数が複数ある 場合を重回帰分析呼びます。 単回帰方程式は2次元平面上「線」として表す ことができるに対し、説明変数が2つ場合回 帰方程式は3次元空間内「面」としてイメージす ることができます。(なお、説明変数が3つ以上 ...

7

for (int x = 0; x < X_MAX; x++) { /* これらの 3 つの行は外部ループの自己データと * 合計データの両方にカウントされます */ bar[x * 2] = x * ; bar[(x * 2) - 1] = (x - 1.0) *

for (int x = 0; x < X_MAX; x++) { /* これらの 3 つの行は外部ループの自己データと * 合計データの両方にカウントされます */ bar[x * 2] = x * ; bar[(x * 2) - 1] = (x - 1.0) *

... Advisor [Top Down (トップダウン)] タブ ある [Code Analytics (コード解析)] タブ表示されます。[Code Analytics (コード解析)] タブは、い くつか折りたたみセクション、さまざまな有用なメトリックを含んでいます。自己演算密度合計演算密度、 ...

7

( ) x y f(x, y) = ax

( ) x y f(x, y) = ax

... 5 部分グラフです。) 例 3. 上同様針金を用意します。ただし、今度はピアノやギターようなものを想像 してください。弦端をしっかり固定し、途中をつまんで弦垂直な方向引っ張ります。その手 ...

21

2 1 κ c(t) = (x(t), y(t)) ( ) det(c (t), c x (t)) = det (t) x (t) y (t) y = x (t)y (t) x (t)y (t), (t) c (t) = (x (t)) 2 + (y (t)) 2. c (t) =

2 1 κ c(t) = (x(t), y(t)) ( ) det(c (t), c x (t)) = det (t) x (t) y (t) y = x (t)y (t) x (t)y (t), (t) c (t) = (x (t)) 2 + (y (t)) 2. c (t) =

... 19 第 3 章 リーマン多様体曲率 多様体上リーマン計量は,各点で接空間内積を与えるものである(すなわち, 曲面第一基本量ようなもの).リーマン計量を備えた多様体をリーマン多様体呼ぶ. この章では,曲面ガウス曲率を一般化して,リーマン多様体曲率を定義する.曲率 ...

31

限界概念 : 独立変数の増加に対する従属変数の増加の割合 y=f(x) における y/ x が 限界 の意味 = 微分係数 限界 はキー概念 : 限界費用 限界代替率 限界収入 限界生産力 4 ジェヴォンズの経済学リヴァプール生まれ ゴールド ラッシュ期のオーストラリアの造幣局に分析官として赴任 仕

限界概念 : 独立変数の増加に対する従属変数の増加の割合 y=f(x) における y/ x が 限界 の意味 = 微分係数 限界 はキー概念 : 限界費用 限界代替率 限界収入 限界生産力 4 ジェヴォンズの経済学リヴァプール生まれ ゴールド ラッシュ期のオーストラリアの造幣局に分析官として赴任 仕

... (2)社会的功利個人権利バッティング 【10】ケンブリッジ学派 マーシャル(1842-1924):ケンブリッジ学派創始者。部分均衡論は 今日ミクロ経済学源流。マーシャルが創造した概念(均衡時間 区分、弾力性、消費者余剰など)が広く用いられている。ただし、典 ...

8

9 2 1 f(x, y) = xy sin x cos y x y cos y y x sin x d (x, y) = y cos y (x sin x) = y cos y(sin x + x cos x) x dx d (x, y) = x sin x (y cos y) = x sin x

9 2 1 f(x, y) = xy sin x cos y x y cos y y x sin x d (x, y) = y cos y (x sin x) = y cos y(sin x + x cos x) x dx d (x, y) = x sin x (y cos y) = x sin x

... 1 変数関数ときはちょっとだけ違っている 面があります。1 変数関数ときは、基本的な関数導関数を求めるは別に 積、商、合成関数微分法を「公式」として用意したでした。だから、例えば ...

40

L P y P y + ɛ, ɛ y P y I P y,, y P y + I P y, 3 ŷ β 0 β y β 0 β y β β 0, β y x x, x,, x, y y, y,, y x x y y x x, y y, x x y y {}}{,,, / / L P / / y, P

L P y P y + ɛ, ɛ y P y I P y,, y P y + I P y, 3 ŷ β 0 β y β 0 β y β β 0, β y x x, x,, x, y y, y,, y x x y y x x, y y, x x y y {}}{,,, / / L P / / y, P

... n 1 + n 22 . この式は, 2母平均値 t 検定公式そのものである. 同様方法を用いれば, 3 群以上平均値検定, すなわち 1 要因分散分析を導くことは容易で ある. すなわち, 1 0 ...

16

I.2 z x, y i z = x + iy. x, y z (real part), (imaginary part), x = Re(z), y = Im(z). () i. (2) 2 z = x + iy, z 2 = x 2 + iy 2,, z ± z 2 = (x ± x 2 ) +

I.2 z x, y i z = x + iy. x, y z (real part), (imaginary part), x = Re(z), y = Im(z). () i. (2) 2 z = x + iy, z 2 = x 2 + iy 2,, z ± z 2 = (x ± x 2 ) +

... わち定積分計算は代数計算帰着する 5 .留数定理は多様な積分変換,とくにラプ ラス逆変換 6 においてその本領を発揮する.ラプラス変換は本講義では触れる時間 がないため今後お楽しみしておいておこう.本講義では留数定理習熟する ことを目的として,いくつか初等的積分を扱う.これだけでもいままではでき ...

67

B 38 1 (x, y), (x, y, z) (x 1, x 2 ) (x 1, x 2, x 3 ) 2 : x 2 + y 2 = 1. (parameter) x = cos t, y = sin t. y = f(x) r(t) = (x(t), y(t), z(t)), a t b.

B 38 1 (x, y), (x, y, z) (x 1, x 2 ) (x 1, x 2, x 3 ) 2 : x 2 + y 2 = 1. (parameter) x = cos t, y = sin t. y = f(x) r(t) = (x(t), y(t), z(t)), a t b.

... field) は、ベクトルを値取る関数ことである。変数 ベクトル成分数は必ずしも一致する必要はない。より正確は、変数動きう ...

38

x y 1 x 1 y 1 2 x 2 y 2 3 x 3 y 3... x ( ) 2

x y 1 x 1 y 1 2 x 2 y 2 3 x 3 y 3... x ( ) 2

... (group) 分けられていない。そこで、 group という変数で、A,B,C,D 最初から数えて 5,4,6,6 個ずつ配分す るという指定をしている。例えば、A 群は 56,48,72,60,55 であり、B 群は 60,62,76,84 である。結果 residual は郡内変動、group は群変動=全体 ...

103

2 2 2 (Poisson Distribution) P (y = j) = e λ λ j λ > 0, j = 0, 1, 2... j! j! j E(y) = V ar(y) = λ λ y x λ = λ(x iβ) f(y i x iβ) = exp( exp(x i β)) exp

2 2 2 (Poisson Distribution) P (y = j) = e λ λ j λ > 0, j = 0, 1, 2... j! j! j E(y) = V ar(y) = λ λ y x λ = λ(x iβ) f(y i x iβ) = exp( exp(x i β)) exp

... 4 おわり 高齢化社会中で確実起こることは老人医療需要急激な拡大である。 これ対応するためは、老人医療専門医を養成し、またその分野で働く 看護師も大量採用しなければならない。それ同時に、健康保険制度を見 直して、現行で 3 歳から 69 歳までは医療費自己負担率 30% 、70 ...

18

2D-RCWA 1 two dimensional rigorous coupled wave analysis [1, 2] 1 ε(x, y) = 1 ε(x, y) = ϵ mn exp [+j(mk x x + nk y y)] (1) m,n= m,n= ξ mn exp [+j(mk x

2D-RCWA 1 two dimensional rigorous coupled wave analysis [1, 2] 1 ε(x, y) = 1 ε(x, y) = ϵ mn exp [+j(mk x x + nk y y)] (1) m,n= m,n= ξ mn exp [+j(mk x

... (30) ようかける。この ¯ u 定義式含まれる角度 ψ は次よう考える。二つ直線偏光を表す電場ベク トルを ¯ e 1 、¯ e 2 であらわす、自由空間平面波なので、入射方向 ¯ k 0 ¯ e 1 、¯ e 2 は垂直である。さらに ¯ e ...

23

2015 : x 1 + x 2 = 1 (1) x 2 = 2x x 1 x 2 (x 1, x 2 ) N x y = Ax (2) M y A M N x 1 3

2015 : x 1 + x 2 = 1 (1) x 2 = 2x x 1 x 2 (x 1, x 2 ) N x y = Ax (2) M y A M N x 1 3

... 同じ猫画像であったとしても、画像データは様々な形態をもつ.しかしながら人間が知覚しているよう 、様々な猫画像を見ても、猫である.これはどういうことだろうか.人間は自然、高次元データが 与えられたとき、そのデータ本質的な構造を抽出しているということだ.その結果猫である認識して ...

50

8. 自由曲線と曲面の概要 陽関数 陰関数 f x f x x y y y f f x y z g x y z パラメータ表現された 次元曲線 パラメータ表現は xyx 毎のパラメータによる陽関数表現 形状普遍性 座標独立性 曲線上の点を直接に計算可能 多価の曲線も表現可能 gx 低次の多項式は 計

8. 自由曲線と曲面の概要 陽関数 陰関数 f x f x x y y y f f x y z g x y z パラメータ表現された 次元曲線 パラメータ表現は xyx 毎のパラメータによる陽関数表現 形状普遍性 座標独立性 曲線上の点を直接に計算可能 多価の曲線も表現可能 gx 低次の多項式は 計

... 表現できる。しかし、座標関数では、ひとつ y 値に対し複数 x が求まる可能性がある。そこで、座標 位置を P として、時間 t 関数として表わす。すると前式は P(t) = at 3 +bt 2 +ct+d (t=0 →1) ---[1] ...

17

K g g g g; (x, y) [x, y] g Lie algebra [, ] bracket (i) [, ] (ii) x g [x, x] = 0 (iii) ( Jacobi identity) [x, [y, z]] + [y, [z, x]] +

K g g g g; (x, y) [x, y] g Lie algebra [, ] bracket (i) [, ] (ii) x g [x, x] = 0 (iii) ( Jacobi identity) [x, [y, z]] + [y, [z, x]] +

... このとき,A 固有値は 0 のみであり,その固有ベクトルを v 置けば良い. よって,以下 dim g ≥ 2 する.今我々が示そうしている定理は,任意 g 共通固有ベクトルが少なくとも一つ存在することを主張している. h ⊊ g を真部分代数する.h ...

55

) 1 2 2[m] % H W T (x, y) I D(x, y) d d = 1 [T (p, q) I D(x + p, y + q)] HW 2 (1) p q t 3 (X t,y t,z t) x t [ ] T x t

) 1 2 2[m] % H W T (x, y) I D(x, y) d d = 1 [T (p, q) I D(x + p, y + q)] HW 2 (1) p q t 3 (X t,y t,z t) x t [ ] T x t

... 6(c) ようカメラ上で複数人物が接近した場合は,提案手 法を用いて人物シルエット重なりを考慮した追跡を行う.そして,推定した人物 3 次元 位置を統合モジュールへ送信する.統合モジュールでは,各追跡モジュールで推定された人 ...

8

86 6 r (6) y y d y = y 3 (64) y r y r y r ϕ(x, y, y,, y r ) n dy = f(x, y) (6) 6 Lipschitz 6 dy = y x c R y(x) y(x) = c exp(x) x x = x y(x ) = y (init

86 6 r (6) y y d y = y 3 (64) y r y r y r ϕ(x, y, y,, y r ) n dy = f(x, y) (6) 6 Lipschitz 6 dy = y x c R y(x) y(x) = c exp(x) x x = x y(x ) = y (init

... に対して 2 変数 Taylor 展開を適用し,4 次までその係数が一致することを確認すればよい。] 16.4 一般 Runge-Kutta 法 前述よう,常微分方程式は代数的演算では求積不可能なものが存在する。従って,解全 ...

16

(2) -2,4,1 3 y=-x-2 をかいた ( 人 ) 4 (1) y=2x-9,y=2x,y=3x+3 (2) y=x+11 (3) 指導観校内の研究テーマが 考える力を引き出す授業のあり方 ということで, 数学科では考える力とは何かを分析し,11 項目に整理した 1 帰納的に考える力 2

(2) -2,4,1 3 y=-x-2 をかいた ( 人 ) 4 (1) y=2x-9,y=2x,y=3x+3 (2) y=x+11 (3) 指導観校内の研究テーマが 考える力を引き出す授業のあり方 ということで, 数学科では考える力とは何かを分析し,11 項目に整理した 1 帰納的に考える力 2

... して,第5学年では数量関係見方や調べ方について理解を深め,第6学年では比例 意味について理解し,表やグラフを用いてその特徴を調べることを通して,比例関係を 表現し考察する能力を身付けている。そして,中学校第1学年では,具体的な事象中 ...

6

U( xq(x)) Q(a) 1 P ( 1 ) R( 1 ) 1 Q( 1, 2 ) 2 1 ( x(p (x) ( y(q(x, y) ( z( R(z))))))) 2 ( z(( y( xq(x, y))) R(z))) 3 ( x(p (x) ( ( yq(a, y) ( zr(z))))

U( xq(x)) Q(a) 1 P ( 1 ) R( 1 ) 1 Q( 1, 2 ) 2 1 ( x(p (x) ( y(q(x, y) ( z( R(z))))))) 2 ( z(( y( xq(x, y))) R(z))) 3 ( x(p (x) ( ( yq(a, y) ( zr(z))))

... ここで、論理式自由変項、自然数 2 など個体定項を代入する場合はなん問題も ないが、 x や z など個体変項を代入する場合は少し注意が必要である。たとえば、 ∃y(x + 1 = y) という論理式 x 個体定項(自然数) ...

22

[4] 1.1. x,y 2 x = n i=0 x i2 i,y = n i=0 y i2 i (x i, y i {0, 1}) x y x y = w i 2 i, (1.1) w i = x i + y i (mod 2) (a) (N -Position)

[4] 1.1. x,y 2 x = n i=0 x i2 i,y = n i=0 y i2 i (x i, y i {0, 1}) x y x y = w i 2 i, (1.1) w i = x i + y i (mod 2) (a) (N -Position)

... (石取りゲーム) 変種であり,板状チョコレート一箇所だけ苦いチョコレートを配置 し,二人プレイヤが交互沿って垂直もしくは水平方向へ一直線カットして 2 分割し,苦い部分を含ま ...

15

Show all 10000 documents...

関連した話題