こんにちは、kikedaです。 今回は、gem annotateを紹介しようと思います。小ネタです。 rails appを開発していると頻繁に、rake routeでルーティングを確認したり、dbからtableのschemaを確認することは、多々あると思いますが、私は、こういった手間を省くのにannotateを利用しています。 ただ、サポートしているruby, railsのversionについて、READMEには記載されていないので、ruby, railsのversionを記載しておくと。 $ ruby -v # => 2.1.0-p0 $ rails -v # => 4.1.5 この環境で動作を確認しています。 gem annotate annotateは、各schemaの情報をファイルの先頭もしくは末尾にコメントをつけてくれるgemです。 schema、routingなどを直接ファイル
Full disclosure: I work for 10gen. What is a Data Model? Accessing data in a database depends on the data model implemented by that database. The data model affects the operations available and the API used by clients to operate on that data. Different data models may provide more or less raw functionality. Usually, the less functionality provided directly by the data model, the more the client ap
ヒット現象の数理モデル（石井他 2012）を社会の中の人間 間相互作用の力学として紹介する． このモデルを社会的ニュー ス，映画興行，ドラマ視聴率，AKB 選抜総選挙に応 ...
本稿は、いわゆるデルモデルといわれる経営モデルが、異なる産業の異なる製品にどこまで適用可能かを検討するものである。そのために、まずデルモデルの内容を整理し、その後にその有効性を支えている条件について論じたい。 デル・コンピュータの歴史 デル・コンピュータ社（以下ではデル社と略記）の歴史は、1984年に始まる。この年の５月、テキサス大学の一人の学生（マイケル・デル）が1,000ドルの貯金を元手に、ピーシーズ・リミテッドという名前のコンピュータの通信販売会社を設立したのが始まりである。1987年に企業名をデル・コンピュータとした。デル社の躍進ぶりはめざましく、1999年の全世界売上高でコンパックとＮｏ．１を争う地位を確保している。純利益率も約８％（99年１月期）という高い水準にある。米国デルの売上は、1992年に約20億ドルだったものが、99年１月期には182億ドルと、わずか７年間で９倍に拡大
目次 1)ロジスティック回帰分析概説 2)ロジスティック回帰分析はどんな時に使用するか ３）ロジスティックモデルとは 4)ロジスティック回帰分析で得られるのは 5)オッズ比とは 6)オッズ比の95%信頼限界とは 7)ダミー変数について 8)変数選択上の注意点 9)ロジスティック回帰分析が可能な統計ソフト 10)ロジスティック回帰分析に関する参考書 1)ﾛｼﾞｽﾃｨｯｸ回帰分析概説 近年の外国の論文にロジスティック回帰分析が非常に増えており、これが理解できないと論文を読めないことが多い。このことは、単変量解析では十分な解析ができないことが多いことを示唆しており、今後日本の論文でも、ロジスティック回帰分析が確実に増加していくものと思われる。しかし、ロジスティック回帰分析を理解しようと思っても、やさしい教科書は非常に少ない。ロジスティック回帰分析は、疫学調査などの大規模なスタディには必須で
超幾何分布（ちょうきかぶんぷ、英: hypergeometric distribution）とは、成功状態をもつ母集団から非復元抽出したときに成功状態がいくつあるかという確率を与える離散確率分布の一種である。男女・合否などのように2種の排他的属性に分割できる有限母集団からの非復元抽出に適用される。超幾何分布と対照的[注 1]な確率分布には二項分布がある。 超幾何分布とは K 個の成功状態をもつ N 個の要素よりなる母集団から n 個の要素を非復元抽出したときに k 個の成功状態が含まれている確率を与える離散確率分布の一種である。超幾何分布に従う確率変数 X の確率質量関数 fX は次で与えられる。 確率質量関数は max{0, n + K − N} ≤ k ≤ min{K, n} のとき正となる。 超幾何分布は N が大きくなると、二項分布に近づく。また K/N が小さく、抽出数 n が大
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
Amazon.co.jp: 大ヒットの方程式 ソーシャルメディアのクチコミ効果を数式化する: 吉田就彦, 石井晃, 新垣久史: 本
Amazon.co.jp: モデル選択 予測・検定・推定の交差点 (統計科学のフロンティア 3): 竹内啓, 下平英寿, 伊藤秀一: 本
