データ・サイエンティストは可視化の夢を見るか?

Does Data Scientist Dream of Visualization?

引っ越しのお知らせ

今日和。
思うところあって、近々『はてな』のサーヴィスを退会することと致しました。

そこで、Blogger (blogspot.com) のほうに引っ越しさせていただきました。
此処に掲載してきた記事についても、再度練り直したうえでアップしていきたい、と存じます。
何卒宜しくお願いします。

https://data-sci-visualization.blogspot.com

瀧本哲史ゼミ 五月祭 講演会(2018) 聴講レポート

みなさま、たいへん御無沙汰しております。
いろいろと私事に多忙となっておりました。
ようやくひと段落、といったところです。


きょうは『現役東大生 VS 東大OB最年少副市長』と銘打たれた講演会を聴講してきました。
この機会に触発されて、いろいろ思うところを多少記しておきます。

本日の『プレゼン合戦』を貫くテーマは EBPM (Evidence-based Policy Making)です。

これまで属人的なエピソードによって左右されてきた政策決定に於いて、きちんと統計的エヴィデンスに基づいて「要衝を攻略するように効果的に施策を実施する」ための手法です。

ここで御存知の方は御存知の EBM (Evidence-based Medicine)、つまり『根拠に基づく医療』が先駆する形でありますが、英語版 Wiki を見ると分かるように『根拠に基づく政策』は、EBM の公共政策分野全般への拡張的応用概念と見られています。

“Conceptually the term has been seen as an extension of the Scientific method or evidence-based medicine to all areas of public policy.”

https://en.wikipedia.org/wiki/Evidence-based_policy

ここでは RCT (Randomized Controlled Trial:ランダム化比較試験)という医療系・心理学系などではお馴染みの

“評価のバイアスを避け、客観的に治療効果を評価することを目的とした研究試験の方法”

が重要となっています。
https://ja.wikipedia.org/wiki/ランダム化比較試験



本日の講演ではまず、毛塚 幹人 つくば市副市長からの事例報告のかたちで、RPA (Robotic Process Automation)の御紹介がありました。役所にかぎった話ではありませんが、バックオフィス系業務において、定型処理であるにもかかわらず多くの労力を浪費するような業務というものはあるものです。ですが、毛塚副市長は民間企業 3 社と連携した共同研究というかたちで実証実験を先行させた結果、以下の成果を上げました。

“ 茨城県つくば市は10日、民間企業と進めていた単純業務の自動代行システム「RPA」(ロボティック・プロセス・オートメーション)の共同研究で、約8割分の業務削減効果があったと発表した。市は本格導入に向けて対象業務を広げる考えで、費用を6月補正予算案に計上する。

 RPAはあらかじめ決めたルールに基づき、同じ作業を自動的に実行できるソフトウェア。市がNTTデータなど3社と契約し、1月~4月上旬に共同研究が行われた。市によると、RPAを民間企業と共同研究する自治体はほかにないという。”

朝日新聞】 行政の単純業務、自動代行ソフトで8割減 茨城・つくば
https://digital.asahi.com/articles/ASL5B4K02L5BUJHB00L.html


わたしは偶々、情報科学(CS)を大学で修め、3DCG designer や SE+PG としての職歴があります。
私的な理解では、今回の報道の要点は「定型処理についてバッチ処理を導入した」と思しいです。
住民票とかは電子化されているはずですから、役所の窓口などで「税金の申告」や「住民への通知発送」などの業務について申請されたら、氏名入力からの住所候補選択で DB を検索して、当該の名前や住所を一発で埋めて(同姓同名が居るならば候補となる選択肢リストを出すなど補助して)、職員が本人に確認すれば、その場で、発送用帳簿を作成すること——登録レコードの追加のようにして——など容易いことです。

逆にいうと、この程度のことすらこれまで出来ていなかった、というか

“発送簿を作る際、これまで職員は名前や住所などを手作業でパソコン上のエクセルに貼り付けていた”

というのだから驚きです。EXCEL から DB (データベース)へ検索クエリーを投げれば容易に、補完的に、その他の付随情報を埋められる筈なのに。あるいは、はっきりいって DB に別テーブルを設け、そこに「(今回の)出力用フラグ」を立てるだけで済むんですがね。どう考えても。



さて。
このあと、瀧本ゼミ生たち 4 名が代わるがわる EBPM に則った政策提言プレゼンを行いました。

本日の討論:

  1. あなたの行動が命を救う! 突然、心停止した人を救うには!?
  2. 様々なアレルギーを引き起こすとされるアトピー性皮膚炎! 1日数回〇〇をするだけで、予防できる!?
  3. 実は多くの人に関係がある!? 〇〇を早期発見することで、子供の才能をうまく育てるには?
  4. 「日本は世界で一番赤ちゃんが安全に生まれる国」は本当? あなたの行動が赤ちゃんを救う!

> どれも、あなたの働きかけで、社会が変わります

興味深い惹句が並んでますね。
それぞれのタイトルを眺めただけで、察しのいい方は「あ、あれのことだろうな」と思われるでしょう。
事後ですので、さっと各テーマについて明記しておくと、

  1. AED 装置の効果的配置と使用法の啓蒙・普及
  2. アトピー性皮膚炎の引き起こす連鎖的アレルギーの、早期からの対策実施による防止
  3. 自閉症スペクトラムを抱えた児童の早期発見と早期対策の有効性
  4. 児童虐待の多発にたいする、危機的家庭の早期発見と、その親への啓蒙教育による有効性

といったところでした。

各論については『瀧本ゼミ政策分析パート』が YouTube にライヴ映像を残しているので、そちらを御参照いただくことにして。
(補注: YouTube はライヴだったので、現在は見られないようです。)


さて、本日の講演会から、自分が得られた知見をまとめてみます。
世に「マインドマップ」と呼ばれる樹形図構造の可視化手法がありますね。
たとえば、問題解決のロジックツリーとして、仮にこの「マインドマップ」を使うことを考えてみましょうか。
勿論、同一の leaf node に重複する接続が発生する場合も許すとして。
なんでもかんでも MECE で漏れなくダブりなく尽くすことができればいいのですが、現実はそこまで単純化できないケースもあるので。

そうやって問題を解析したマインドマップに時間的・空間的・人的・労力的・資金的などなどのコストを追記していくのです。レイヤーを重ねていって比較/弁別しやすくしておくのがイイかも知れませんね。そうやって「エネルギーの流れ」が速いところ、滞っているところなどを分析します。
そうすると、どこかにコスト・センターになっているような node、つまりボトルネックを見つけることは、比較的容易なはずです。
あるいは、いま、カイゼンしたい業務群のなかで、いちばん対策をすることによるコスト・パフォーマンスが高い業務を選び出し、そのカイゼンを実現するようなクリティカル・パスを見つけることも、比較的容易なはずです。
ということは重点対策すべき root nodes —— critical path ——も容易く見つけられるでしょう。

さきの RPA というプロセス半自動化処理の導入事例の指し示すものは、

  1. 当該領域における問題構造を可視化して
  2. コスト・センターになっているようなボトルネックを明示化し
  3. そこに適切な水準の、いわば「枯れた技術」を適用することで
  4. 大幅にコストを低減し、そこで得られた余力を第二、第三のボトルネック解消へと転用していく

と、まとめることができるでしょう。


ここで、本日の講演会では

  • 縦割りセクショナリズムの間隙に落ちてしまっているような事例の救済の必要性(対策によるコスト・パフォーマンスが大きい)
  • 官民協働の実証実験のような体裁からプロジェクトをスタートさせることで、機動性を高めたプロジェクト実施を行い、ある程度の目算が立ってから予算措置を行う
  • エヴィデンスが定量化できるような調査を設計する
  • 被害最小化のための予防原則にもとづき、問題当事者の割り出しを公的アンケート(e.g. 問診票)のようなかたちで行い、早期に第三者介入(e.g. 啓蒙教育)をすることで被害を事前に低減する
  • Touch point (接点)を持ちうる key players は誰なのか、事前に問題の骨格・構造・構図を検討して、そこからアクセスする
  • ロビイングする際に、政策決定者側が容易に受け容れられるように、事前に政策パッケージをエヴィデンス付きで構成する
  • もともとの慣性というか惰性が大きい分野なので、基本的に政策転換が難しい、という現状を踏まえて、政策の取捨選択の転換が可能になるような説得材料を整備する

といった論点も触れられていました。


閑話休題
ちなみに Code for Japan というムーヴメントがあります。
これは IT 屋の知見で、地方自治体の問題を調査・分析し、かんたんなプログラミングによって地域コミュニティーや行政の負荷減少の助けをしよう、という運動です。
よくある話ですが、米国を筆頭とした海外が先行しております。
もしかすると、法学や政治学社会学に明るい面々と、テクノロジーやサイエンスに明るい面々が協業すると、興味深い alchemy が実現できるかも知れませんね。


ちょっと本業との兼ね合いや、「仕事」のための一般教養をアップデートしなおす、といった観点から放送大学での学業などもありますが、

  • 悪循環スパイラルから好循環スパイラルへ

のキャッチフレーズのもと、自分にできる道を模索していこうと思っております。

厚生労働省の調査(2013)によると、すでに 『みなし労働時間』 < 『労働時間の状況』 という実態がすでに判明している

おひさしぶりです。

『働き方改革』、特に裁量労働制について、衆議院での審議が紛糾しております。
ですが、小生は、

厚生労働省の調査(2013)によると、すでに

  『みなし労働時間』 < 『労働時間の状況』

という実態がすでに判明している

と愚考しています。


つまり、

(2013 年(平成 25 年)の実態調査では)

  • 一般的な労働者の労働状況 【実態】 (に比して)
  • みなし労働時間の労働状況 【残業代上限あり】 (のほうが)

低く設定されている。


結果、『みなし労働』契約をさせられると、実労働時間に満たない賃金で働かされる。


にもかかわらず、いまの政権はその点を【誤魔化して】『働き方改革』を採決・立法化しようとしている、と見えます。


f:id:renpoo:20180226230722j:plain



【元データ】:

http://www.mhlw.go.jp/.../05-Shingikai.../shiryo2-1_1.pdf


【統計解析用データ】: 提供 田中重人 (東北大学文学部)

厚生労働省「労働時間等総合実態調査」(2013) 検証用データ
http://tsigeto.info/mhlwdata/

ちょっと脳味噌、ヒネってみる

今晩和。

結城 浩 氏が数学の問題を出題していました。
それはちょっとアタマをヒネれば、著しく明解な証明ができる良問でした。
でも、それをそんなふうに解いてもツマラナイでしょ?(えっ!?)

だから、ちょっと脳味噌を使ってみました。
以下、解答例。
ただ、ところどころ、洗練されていない箇所がありますね。反省、反省。

f:id:renpoo:20171124200012j:plain


要は、リュカ数列が使いたかっただけなんですよ。
トリッキーな方法とか数学的帰納法ではなくてね。


追記:
もうちょっと見通しのイイ証明を、リュカ数列の定義にしたがって。

f:id:renpoo:20171125053414p:plain


結城 浩 氏自身による模範解答の写しは以下に。

f:id:renpoo:20171125053448p:plain

通信指導課題を提出する

今晩和。

放送大学の通信指導課題 4 コマ分、なんとか提出致しました。
ちょっと並の成績になってしまいましたが、まあまあ。
これで来週の長期出張に専念できます。
やっぱり、本業やら副業やら抱えた上での学業は、なかなか厳しめです。

切羽詰まる

おはようございます。

いやあ、切羽詰まってきているんですよ。
来週は長期出張の予定であるのを忘れていて。
それまでに放送大学の通信指導課題をこなさなければならないのです。
ところが進捗が悪くて。
これでは目標成績ラインを「及第」レヴェルまで下げねばならないかも。
ちょっと大変ですね、こりゃ。

ただ、物理系の導入科目などを再学習していると、現役学生時代とは違った感想を持てるのも事実です。
わたしが学生だった頃も、それなりには実験を「やらされて」、その測定結果から如何に『妥当な見解』のレポートを書くかに血道を上げていましたが、いまの放送大学の授業は、画面越しとはいえ、ほんとうに興味深く、正鵠を射た実験を観られるので感謝しています。正直、ちょっと前までお世話になっていた馬鈴薯先生の影響も強いです。彼の「物理観」が、旧態依然としていた頭でっかちの認識を身体化してくれたのは、残念ながら間違いないです。

ただ「貧乏暇なし」と申しますか、これでもいくつかの案件を抱え多忙にしており、過労も祟ってきていますから、なかなか学習も進まない。
「なんのために再学習しているのか?」「自分には既に別のスキルがあるではないか?」と自問自答してしまいます。
そういったスキルを再編成して、さらに伸ばすために学部生レヴェルの勉強をやりなおしているんですがね。

御多分にもれず、わたしもいろいろと抱えた身の上です。
この先どうやって身を処していくのか、悩ましい日々であります。

休息を取りつつ

おはようございます。
ようやく、過労状態から抜けつつあります。
かなり休息を取っているので。

その中で、放送大学の勉強に復帰しました。
今学期は Operations Research のコマも取っています。
その冒頭で出てくるのが線形最適化法(昔の、線形計画法)に於けるシンプレックス法(単体法)です。
これがわたしにはすこし難しくて。いろいろ苦労してます。

決定変数の数が 2 個までなら問答無用でグラフを書くべきです。
つまり高校数学で習うやり方をすればいい。

ところが 3 個以上になるとグラフで可視化するのが難しくなってくる。そこでシンプレックス法の活躍の場が出てきます。
まだ、きちんと理解してないので詳しい説明は省きます。
でも、手法としては線形代数の「掃き出し法」に多少似ています。
これ、制約条件によって囲われた「閉鎖領域」の、いくつかの端点上に最適解が存在するから、それを 1 個ずつ検討していく、という探索の具現化らしいんですが、各行への操作と端点上の探索との関連付けが、まだアタマの中でできあがりません。
例題を解くにも、何度も失敗して、ようやく身に付けつつあります。

自分なりの解法を、もうちょっと図解的に再構成すべきだと考えています。

純血思想という幻想

今晩和。
ちょっと余談です。


純血思想ってありますよね。
「わたしたちは純血の〇〇人である」とか。
「わたしたちは単一民族である」とか。
すこし考えてみましょう。


現代までのところ、人間が生まれてくるには、なんらかの意味で両親が必要です。
ということはあなたの親は 2 人です。
祖父母は 4 人です。
曾祖父母は 8 人です。

お分かりのとおり、n 世代遡るごとに先祖は 2^n 増えます。

10 世代なら…… 1024 人です。

仮に日本の歴史を「皇紀」なるものを参照に 2677 年とします。
そして一世代あたり 30 年かかって、次の世代を産んできた、と大雑把に概算してみます。
2677 / 30 ≒ 89 世代です。

ということは、2^89 = 6.189700196426901 * 10^26 ≒ 約 619 𥝱 もの先祖が、あなたの 89 世代前に存在したことになります。コンピューターで言ったら 100 Y (ヨタ)の桁ですね。

当然、当時の日本列島の人口がそんなに大規模だったはずがありません。
それだけ、先祖が「共通している」人数が多いと言うことでしょう。

日本史に詳しい親友が言うには、日本列島には古代から 大陸系、半島系、北方系、南方系の血が流れ込んでおります。
その大陸、というか中国には西方、というか中東からの血も流れ込んでいます。三国志とか読んでいて「紅毛碧眼」の人物が登場したりしますよね。
そもそも人類とは、はるかなる太古にアフリカ中央部で生まれた突然変異したサルに端を発するそうです。


純血思想ってなんですか?
これが今日の問いです。


何故、こんなことを問うのか、といえば以下の記事を見掛けたからです。
日本人の 57 % が「多様性」に否定的という趣旨です。

f:id:renpoo:20171029170441p:plain

Japanese more satisfied with economy | Pew Research Center


生物種の話をたとえにしますが、多様性のない生物集団は幸運な場合、環境に非常に良く適応して繁栄を極めますが、その環境がなんらかの点で変化した場合、変化に対応できず一挙に衰亡することがあります。


日本民族」は自ら滅びの道を選んでいるのかも知れません。
ただ、それも総体的選択の結果ですから受容する必要があります。
それでも生き残りたい人々は、英語を筆頭とした有力外国語を学んで、海外に出て行くべきでしょうね。

ひと段落したから

おはようございます。
いやあ、うれしいんです。
「本業」がひと段落したので。
結局、十一万字弱の文字を打ち込みました。
原稿用紙にして二七〇枚弱です。
疲れましたね。
ということで、休息多めのここ数日です。

つまり、しばらくは放送大学の授業に集中できます。
ちょっと出遅れているので、がんばらねば。

研究開発環境の刷新

今晩和。
macOS High Sierra がリリースされました。
そこで自宅のマシン環境をアップグレードしたんですが、巧くいったり行かなかったり。
流石と Mac Pro 2011 は対応できませんでした。対応リストには載っているんですが、当方固有の事情かも知れません。

でも、研究開発面において、これまでの蓄積がいくらかある訳です。
これを活かしたい。
ところがあたらしい macOS で同様の環境を構築しようと思うとなかなか面倒である。

そこで、いくつかの仮想マシンUbuntu を導入して、それぞれに Gollum 担当や Jupyter Notebook 担当などの個別の環境を構築してみました。
環境構築の細かい手順については検索して、御自分の環境にふさわしいモノを見つけていただきたいと思います。


ここでいま流行りの Docker を使えば、という話もありました。
ですが、長期的に運用保守できる、なおかつ可搬性の高い環境を作るには、仮想マシンを使ったほうがアドヴァンテージがある、と判断したのです。


おかげで、自宅でも出先でも、Gollum や Jupyter Notebook (Python3 + R +Julia) を運用できるようになりました。
ちょっと試行錯誤の手間で数時間を費やしましたが。


今回勉強になったのは、ひとつのマシン上にごてごてといろんな環境を同居させていくと問題が生じやすいのに、それを疎結合にして回避する方法が分かったことでした。実はこれまでにも多少はやっていた手法ですが、いざ、こうやっていろいろと実行環境を分散させてしまうと、それぞれの環境の権限がスッキリと分節できます。必要なデータは共有フォルダーを介して受け渡しすれば良い。

便利なモノですね。(笑)

看過されてきたことを暗示するもの

おはようございます。
先日、『不作為の罪』と銘打って、1995 〜 2015 の 20 年間の各国 GDP 推移の伸び率比較をしてみました。

ですが、それだけではよく分からない方もいらっしゃるかと思われます。
もうちょっと詳しく観ていきましょう。
また、世界銀行の統計データを基に分析してみます。

先ず、先日の『各国 GDP 推移(伸び率)』のグラフ(1)を再掲します。

f:id:renpoo:20171007090733p:plain


さらに精査するために『各国 GDP per capita 推移(伸び率)』のグラフ(2)を示します。「GDP per capita」とは、一人当たりに換算した GDP です。

f:id:renpoo:20171007091158p:plain


これだけでは話が進められないので、『各国の人口推移(伸び率)』のグラフ(3)も示します。

f:id:renpoo:20171007091203p:plain


そして、生産年齢人口にほぼ比例しているはずの『15 〜 64 歳人口の推移(伸び率)』のグラフ(4)も同時に示します。

f:id:renpoo:20171007092928p:plain


これらのグラフを見比べていると、日本経済・社会について巷間言われている次のような問題が裏付けられるかに存じます。

  1. 超少子超高齢化問題にともなう生産年齢人口の急激な減少
  2. 生産性効率 ≒ 一人当たり GDP の低迷
  3. 一番クリティカルに効いているのは、生産年齢人口の減少
  4. 総体としての GDP の長期的漸減


これらの現象は、ずっと問題視されてきたはずです。
すくなくとも少子化高齢化問題はわたしが高校生だった 30 年前から『現代社会』の教科書で警鐘が鳴らされていたほどでした。


何故、バブル崩壊以降この 30 年弱、政府は取るべき対策も取らずに来たのでしょうか?
いや、逆にかえって状況を悪化させるように新自由主義的政策を実施してきたのでしょうか?


これについて、わたしは憶測以上の回答を持ちません。
ただ確実に言えることは、「早期に対処すれば十分に対応できたはずの重大問題群を、いまの政府はみすみす放置して悪化させてきた」の一言に尽きます。
この間、政権交代が起こったのは 2009 〜 2012 年の 3 年間だけです。
現政権与党は交代させるにもさせられない状況になりつつあるようですが、あまりにも大きな問題を看過してきたのは間違いないでしょうね……。
こういったデータを政府の人間が把握していないはずがないのですから。
逆にメディアの俎上に上らないのが、なんらかの意図を感じさせます。
いまの衆院解散総選挙も、あいかわらず政局ばかり注目されますし。


「人生」を搾取されてきたロス・ジェネ世代の一人としては暗澹たる気分になります。
ここから何をすべきなのか、熟考を重ねて行動に移していきたいものです。


【補足】
また別の方の、次のような TW を見掛けました。
わたしが上記で論じてきたこととあまりにも乖離がある内容です。
何故なのか調べてみたくなりました。


そこで、わたしが同様の計算を行った結果グラフ(5)が以下のとおりです。
世銀のデータから、総人口(人数)と生産年齢人口(%)を使って、生産年齢人口(人数)を算出し、そこから『生産年齢人口一人あたり GDPを算出しました。ちなみにこれまでの議論同様に、それぞれの年のドル・ベースで換算してます。

f:id:renpoo:20171015104732p:plain


何故、ここまで非道い乖離が発生しているのか、どうもドル建て換算をしているからの模様です。
つまりデータ的には間違っていません。
国際標準的な算出方法はあきらかにこちらのほうが準拠しているでしょう。
これからさらに検証を重ねていきたいと思います。




【付表】
一応、どんな計算をしたのか分かるように、それぞれのグラフの基となった一覧表も列挙します。

グラフ(1):

Code 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
JPN 100 88.2 81.1 73.4 83.1 88.7 78 74.6 80.7 87.3 85.7 81.7 81.7 90.9 94.4 103.1 110.8 111.7 92 86.2 77.3
GBR 100 105.6 116.9 124.2 126.5 125.6 124.1 135.8 157 185.7 195.5 209.1 240 225.7 187 194.2 209.7 212.6 219.2 241.6 230.2
USA 100 105.7 112.3 118.6 126.1 134.2 138.6 143.2 150.2 160.2 170.8 180.8 188.9 192 188.1 195.3 202.5 210.8 217.4 226.4 234.2
SGP 100 109.7 114 97.5 98.2 109 101.6 104.6 110.4 129.9 145 168.2 204.8 218.7 218.9 269 313.1 329.1 341.7 348.6 333.1
CHN 100 117.6 130.9 140.1 148.8 164.6 182 199.7 225.4 265.3 309.9 372.9 481.3 622.7 691.1 825.1 1023.5 1155.9 1296.5 1414 1484.4
AUS 100 109.1 118.4 108.5 105.6 112.8 102.9 107.1 126.7 166.5 188.4 203 231.8 286.6 251.8 310.4 377.7 417.9 425 395.3 364.1
FRA 100 100.3 90.7 93.8 93.2 85 85.9 93.2 114.8 131.9 136.9 144.4 165.4 181.6 167.3 164.4 177.8 166.6 174.5 175.7 150.4
IND 100 109.1 115.4 117 127.4 130 134.7 142.9 168.7 196.8 227.6 258.9 337.9 333.9 372.4 466 495.3 497.8 508.2 557.1 565.6
KOR 100 107.9 100.2 67.3 86.9 100.4 95.3 108.9 121.7 136.7 160.6 180.9 200.7 179.2 161.3 195.7 215 218.6 233.4 252.3 246.3
NLD 100 99.8 92.3 96.9 99 92.4 95.5 104.2 128.1 145.7 152 162.7 188 209.7 192.1 187.3 200.1 185.6 193.5 196.9 168.5
NZL 100 109.7 103.4 88 91.9 82.3 84.3 104.2 138.1 162.6 179.5 174.6 214.8 208.5 189.8 229.3 263.6 276.3 298.3 313.1 271.8
ISR 100 109.8 114.6 115.9 117.2 132.4 130.8 121.1 126.8 135.5 142.9 154.6 179.6 216.8 208.1 234.4 261.8 259.7 292.5 305.8 296.2
ITA 100 111.8 105.8 108.2 106.6 97.5 99.3 108.2 134.1 153.6 158.2 165.9 188.2 204.2 186.6 181.5 194.4 177 182 182.7 155
DEU 100 96.6 85.6 86.6 84.9 75.2 75.3 80.2 96.7 108.8 110.4 115.9 132.7 144.8 131.9 131.9 145 136.6 144.5 149.3 129.5
RUS 100 99 102.4 68.5 49.5 65.7 77.5 87.3 108.8 149.4 193.2 250.3 328.6 419.9 309.1 385.5 513.7 548.7 564 513.5 335.3

グラフ(2):

Code 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
JPN 100 88 80.7 72.8 82.3 87.7 76.9 73.5 79.2 85.7 84.1 80.1 80 89 92.5 101 108.7 109.8 90.7 85 76.4
GBR 100 105.3 116.3 123.2 125.1 123.8 121.8 132.7 152.7 179.6 187.8 199.4 227 211.9 174.2 179.5 192.3 193.6 198.3 217 205
USA 100 104.5 109.7 114.5 120.3 126.6 129.5 132.6 137.9 145.7 153.9 161.3 167 168.2 163.3 168.1 173 178.7 183 189 194
SGP 100 105.3 105.8 87.5 87.4 95.4 86.5 88.3 94.5 109.9 119.8 134.7 157.3 159.3 154.7 186.8 212.9 218.4 223 224.6 212.1
CHN 100 116.4 128.2 135.9 143.1 157.1 172.4 187.9 210.8 246.6 286.4 342.7 440 566.4 625.5 743.1 917.5 1031.1 1150.8 1248.8 1304.3
AUS 100 107.6 115.5 104.8 100.9 106.4 95.8 98.5 115.1 149.5 166.9 177.2 201.2 243.8 209.8 254.6 305.6 332.2 332.3 304.5 276.7
FRA 100 99.9 90.1 92.8 91.7 83.1 83.3 89.8 109.8 125.3 129 135.2 153.9 168 154 150.6 162 151 157.4 157.4 134.1
IND 100 107 111.2 110.6 118.2 118.6 120.8 126 146.2 167.9 191.1 214.1 275.2 268 294.7 363.8 381.5 378.5 381.7 413.3 414.5
KOR 100 106.9 98.3 65.6 84.1 96.3 90.7 103.1 114.6 128.4 150.4 168.6 186.2 165.1 147.8 178.6 194.7 197.1 209.6 225.6 219.5
NLD 100 99.4 91.4 95.3 96.8 89.7 92 99.8 122 138.3 143.9 153.9 177.4 197.1 179.7 174.3 185.3 171.3 178 180.5 153.8
NZL 100 108 100.4 84.7 88.1 78.4 79.8 97 125.9 146.1 159.5 153.3 186.8 179.8 162.1 193.6 220.8 230.3 246.7 255.1 217.3
ISR 100 107 108.9 107.6 106.1 116.8 112.6 102.2 105.1 110.3 114.3 121.5 138.7 164.5 154.2 170.5 187 182 201.2 206.4 196
ITA 100 111.8 105.7 108 106.5 97.4 99.1 107.8 133 151.4 155.2 162.2 183 197.3 179.5 174.1 186.1 169 171.7 170.8 144.9
DEU 100 96.3 85.2 86.2 84.5 74.8 74.7 79.4 95.7 107.7 109.4 114.9 131.8 144 131.5 131.7 144.8 138.7 143.7 150.5 129.9
RUS 100 99.2 102.7 68.8 49.9 66.5 78.8 89.1 111.6 153.9 199.7 259.6 341.4 436.5 321.2 400.5 533.1 568.5 583.1 521.5 339.8

グラフ(3):

Code 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
JPN 100 100.3 100.5 100.8 101 101.1 101.4 101.6 101.8 101.9 101.9 101.9 102 102.1 102.1 102.1 101.9 101.7 101.5 101.3 101.2
GBR 100 100.3 100.5 100.8 101.1 101.5 101.9 102.3 102.8 103.4 104.1 104.9 105.7 106.5 107.3 108.2 109 109.8 110.5 111.4 112.3
USA 100 101.2 102.4 103.6 104.8 106 107 108 108.9 110 111 112.1 113.1 114.2 115.2 116.2 117.1 118 118.8 119.8 120.7
SGP 100 104.1 107.7 111.4 112.3 114.3 117.4 118.5 116.7 118.2 121 124.9 130.2 137.3 141.5 144 147.1 150.7 153.2 155.2 157
CHN 100 101.1 102.1 103.1 104 104.8 105.6 106.3 106.9 107.6 108.2 108.8 109.4 109.9 110.5 111 111.6 112.1 112.7 113.2 113.8
AUS 100 101.3 102.5 103.5 104.7 106 107.4 108.7 110.1 111.4 112.9 114.5 115.2 117.6 120 121.9 123.6 125.8 127.9 129.8 131.6
FRA 100 100.4 100.7 101.1 101.6 102.3 103 103.8 104.5 105.3 106.1 106.9 107.5 108.1 108.7 109.2 109.7 110.3 110.8 111.7 112.2
IND 100 101.9 103.8 105.8 107.7 109.6 111.6 113.5 115.4 117.2 119.1 120.9 122.8 124.6 126.4 128.1 129.8 131.5 133.2 134.8 136.4
KOR 100 101 101.9 102.6 103.4 104.2 105 105.6 106.1 106.5 106.8 107.3 107.8 108.6 109.1 109.6 110.4 110.9 111.4 111.8 112.3
NLD 100 100.5 101 101.6 102.3 103 103.8 104.5 105 105.3 105.6 105.7 106 106.4 106.9 107.5 108 108.4 108.7 109.1 109.6
NZL 100 101.6 102.9 103.9 104.4 105 105.6 107.5 109.6 111.3 112.5 113.9 115 116 117.1 118.4 119.3 120 120.9 122.8 125.1
ISR 100 102.7 105.2 107.7 110.5 113.4 116.1 118.5 120.6 122.8 125 127.2 129.5 131.8 135 137.5 140.1 142.7 145.3 148.2 151.1
ITA 100 100 100.1 100.1 100.1 100.2 100.2 100.4 100.8 101.5 102 102.3 102.8 103.5 104 104.3 104.5 104.7 106 106.9 107
DEU 100 100.3 100.4 100.5 100.5 100.7 100.8 101 101 101 101 100.9 100.7 100.5 100.3 100.1 100.1 98.5 100.6 99.1 99.7
RUS 100 99.9 99.7 99.5 99.2 98.8 98.4 97.9 97.5 97.1 96.7 96.4 96.2 96.2 96.2 96.3 96.4 96.5 96.7 96.9 97.1

グラフ(4):

Code 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
JPN 100 99.7 99.3 98.9 98.5 98 97.5 97.1 96.5 96 95.4 94.8 94.1 93.4 92.6 91.7 90.8 90 89.1 88.2 87.4
GBR 100 100 100.1 100.3 100.5 100.7 100.9 101.2 101.5 101.8 102.1 102.2 102.3 102.3 102.3 102.2 101.7 101.2 100.7 100.2 99.7
USA 100 100.1 100.3 100.6 100.9 101.2 101.5 101.7 101.9 102.1 102.4 102.4 102.5 102.5 102.5 102.4 102.3 102.1 101.8 101.4 100.9
SGP 100 99.5 99.3 99.4 99.6 99.7 100.3 100.8 101.1 101.5 101.7 101.8 102 102.3 102.7 103.1 103.1 103 102.7 102.3 101.9
CHN 100 100.7 101.1 101.4 102 102.9 104 105.2 106.6 108 109.2 110 110.8 111.4 111.9 112.1 112.1 111.9 111.5 111 110.4
AUS 100 100 100 100.2 100.3 100.3 100.5 100.7 100.9 101 101.1 101.3 101.5 101.5 101.5 101.4 101.1 100.7 100.4 100 99.5
FRA 100 99.9 99.7 99.6 99.5 99.5 99.4 99.3 99.3 99.2 99.2 99.2 99.1 99.1 98.9 98.6 98.1 97.5 96.7 96 95.4
IND 100 100.4 100.9 101.4 102 102.6 103.1 103.6 104.1 104.7 105.3 105.8 106.3 106.8 107.3 107.9 108.4 109 109.6 110.1 110.6
KOR 100 100 100.3 100.6 100.9 100.8 100.9 100.9 101 101.2 101.6 101.5 101.5 101.5 101.8 102.2 102.3 102.5 102.7 102.7 102.5
NLD 100 99.8 99.6 99.4 99.2 99.1 99 98.9 98.8 98.7 98.6 98.5 98.4 98.3 98.1 97.8 97.4 96.9 96.2 95.6 95.1
NZL 100 99.9 99.8 99.8 99.9 100.1 100.4 100.7 100.9 101.2 101.5 101.6 101.7 101.7 101.7 101.6 101.2 100.7 100.2 99.7 99.2
ISR 100 100.3 100.6 100.7 100.9 101 101.1 101.2 101.3 101.4 101.4 101.6 101.8 101.9 101.9 101.7 101.3 100.9 100.4 99.9 99.4
ITA 100 99.8 99.6 99.3 99 98.7 98.4 98 97.6 97.3 97 96.7 96.4 96.2 96 95.7 95.2 94.7 94.2 93.7 93.3
DEU 100 100 100 100 100 99.9 99.4 99 98.5 98.1 97.6 97.3 96.9 96.6 96.3 96.2 96.2 96.2 96.3 96.3 96.2
RUS 100 100.7 101.6 102.4 103.3 104.3 104.7 105.2 105.6 106.2 106.8 107.2 107.7 108.1 108.4 108.3 108 107.5 106.7 105.9 105.1

グラフ(5):

Code 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
JPN 100 88.3 81.2 73.6 83.6 89.5 78.9 75.7 82.1 89.3 88.2 84.6 85.1 95.4 99.9 110.1 119.7 122.1 101.8 96.4 87.4
GBR 100 105.3 116.2 122.9 124.5 122.9 120.7 131.1 150.4 176.4 183.9 195.1 222 207.1 170.3 175.6 189 191.3 196.9 216.5 205.7
USA 100 104.4 109.4 113.8 119.2 125.2 127.6 130.4 135.3 142.6 150.3 157.5 163 164 159.3 164.1 169.1 175.1 179.8 186.5 192.2
SGP 100 105.9 106.6 88 87.8 95.7 86.3 87.6 93.5 108.3 117.8 132.3 154.3 155.7 150.6 181.1 206.5 212.1 217.2 219.5 208.1
CHN 100 115.6 126.9 134 140.3 152.6 165.8 178.6 197.7 228.4 262.3 311.6 397.2 508.2 559.1 663 818.4 921.5 1032.1 1125.2 1181.6
AUS 100 107.7 115.5 104.6 100.6 106.1 95.2 97.8 114.1 148.1 165.1 175 198.2 240.1 206.7 251.2 302.4 329.8 331 304.6 278
FRA 100 100.1 90.3 93.2 92.1 83.5 83.8 90.4 110.6 126.3 130 136.3 155.2 169.5 155.6 152.7 165.1 154.9 162.7 163.9 140.6
IND 100 106.7 110.3 109 116 115.6 117.3 121.6 140.4 160.5 181.6 202.5 259.1 251.2 274.8 337.3 352.1 347.6 348.5 375.6 375
KOR 100 106.9 98.1 65.2 83.4 95.5 89.9 102.2 113.5 126.9 148 166.1 183.6 162.6 145.2 174.8 190.3 192.3 204.1 219.8 214.2
NLD 100 99.6 91.8 95.9 97.5 90.6 93 100.9 123.6 140.2 145.9 156.3 180.3 200.5 183.1 178.2 190.3 176.8 185 188.7 161.7
NZL 100 108.1 100.6 84.8 88.1 78.3 79.5 96.3 124.8 144.3 157.1 150.8 183.7 176.7 159.4 190.6 218.3 228.7 246.2 255.8 219
ISR 100 106.6 108.2 106.8 105.2 115.6 111.4 101.1 103.8 108.8 112.8 119.5 136.3 161.5 151.4 167.6 184.5 180.4 200.5 206.6 197.1
ITA 100 112 106.2 108.8 107.5 98.7 100.7 109.9 136.2 155.6 160 167.8 189.8 205.1 187 181.9 195.4 178.4 182.2 182.2 155.4
DEU 100 96.4 85.3 86.2 84.5 74.8 75.1 80.3 97.1 109.8 112 118.1 136 149.1 136.5 136.9 150.5 144.1 149.2 156.3 135.1
RUS 100 98.4 101.1 67.2 48.3 63.7 75.2 84.7 105.6 144.9 187 242.1 317 403.6 296.4 369.6 493.5 529 546.4 500.1 328.4


追記:
ちなみに【ドル建て】換算の、世界銀行による説明はこれです。
つまい、「各々の年のドル価格に換算」しています。
What is the difference between current and constant data? – World Bank Data Help Desk

受講しはじめる

今日和。
放送大学の秋学期授業、ネット配信の視聴をはじめました。
まず物理系の 2 コマから。
いや、これは良いガイダンスです。
導入と基礎科目をいっぺんに履修している自分をどうかと思いますが、なんとかついていけそうです。
今学期の期待がふくらんできました。
あとは情報系の 2 コマです。
ただ、今期は仕事も忙しくなりかねない模様なので、きちんと単位を取れるかどうか若干不安。
巧く行くといいんですけどね?

秋学期始まる

今晩和。
放送大学、秋学期が始まりました。

今学期はきちんと履修登録できたので、すでに手元に 4 冊のテクストブックがあります。
いま、真っ先に目を通したのは『通信指導』の各問題です。
この範囲がほぼそのまま期末試験の出題に関わってくるので(いわゆる過去問同様ですね)。

その次に、それぞれの教科書をざっと眺めています。
先ず、目次にしっかりと目を通し、ざっと教科のトピックを把握する。
それからパラパラとページをめくり、概観を掴もうとしてみる。

こうやって、ある程度の概略をつかめたら、いよいよ放送授業に目を通します。
この数年以内にすべての授業がネット配信になって、テレヴィやラジオ放送は終わるそうです。
なんだか淋しいですね。

ここのところ、ヒマな時間には放送大学テレヴィ放送を点けています。
いやあ、ほんとうに様々の興味深い科目が講義されています。
すでに学部は卒業したことがあるので学士ではあるのですが、えっちらおっちらと、もうひとつの学士を狙います。

不作為の罪

今日和。
世情が騒がしくなっていますね。
衆院解散総選挙を前にして、現与党の総理総裁が「責任政党である我々だから任せてください」という主旨のことを仰っております。
そこで以下のツイートを見掛けました。


この GDP 比較が妥当なのかどうか、自分でも世界銀行の統計データを基に検証してみました。
そうしたら “GDP (current US$)” の推移について以下のグラフが得られました。
ちなみにこれは 1995 年を 100% (= 1.0)として正規化してあります。
なおかつ現在(2015 年もしくは 2016 年)時点での US$ を基準に換算し直したものです。


f:id:renpoo:20171007090733p:plain


一覧表は以下に。

Country Code 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
JPN 100 88.2 81.1 73.4 83.1 88.7 78 74.6 80.7 87.3 85.7 81.7 81.7 90.9 94.4 103.1 110.8 111.7 92 86.2 77.3
GBR 100 105.6 116.9 124.2 126.5 125.6 124.1 135.8 157 185.7 195.5 209.1 240 225.7 187 194.2 209.7 212.6 219.2 241.6 230.2
USA 100 105.7 112.3 118.6 126.1 134.2 138.6 143.2 150.2 160.2 170.8 180.8 188.9 192 188.1 195.3 202.5 210.8 217.4 226.4 234.2
SGP 100 109.7 114 97.5 98.2 109 101.6 104.6 110.4 129.9 145 168.2 204.8 218.7 218.9 269 313.1 329.1 341.7 348.6 333.1
CHN 100 117.6 130.9 140.1 148.8 164.6 182 199.7 225.4 265.3 309.9 372.9 481.3 622.7 691.1 825.1 1023.5 1155.9 1296.5 1414 1484.4
AUS 100 109.1 118.4 108.5 105.6 112.8 102.9 107.1 126.7 166.5 188.4 203 231.8 286.6 251.8 310.4 377.7 417.9 425 395.3 364.1
FRA 100 100.3 90.7 93.8 93.2 85 85.9 93.2 114.8 131.9 136.9 144.4 165.4 181.6 167.3 164.4 177.8 166.6 174.5 175.7 150.4
IND 100 109.1 115.4 117 127.4 130 134.7 142.9 168.7 196.8 227.6 258.9 337.9 333.9 372.4 466 495.3 497.8 508.2 557.1 565.6
KOR 100 107.9 100.2 67.3 86.9 100.4 95.3 108.9 121.7 136.7 160.6 180.9 200.7 179.2 161.3 195.7 215 218.6 233.4 252.3 246.3
NLD 100 99.8 92.3 96.9 99 92.4 95.5 104.2 128.1 145.7 152 162.7 188 209.7 192.1 187.3 200.1 185.6 193.5 196.9 168.5
NZL 100 109.7 103.4 88 91.9 82.3 84.3 104.2 138.1 162.6 179.5 174.6 214.8 208.5 189.8 229.3 263.6 276.3 298.3 313.1 271.8
ISR 100 109.8 114.6 115.9 117.2 132.4 130.8 121.1 126.8 135.5 142.9 154.6 179.6 216.8 208.1 234.4 261.8 259.7 292.5 305.8 296.2
ITA 100 111.8 105.8 108.2 106.6 97.5 99.3 108.2 134.1 153.6 158.2 165.9 188.2 204.2 186.6 181.5 194.4 177 182 182.7 155
DEU 100 96.6 85.6 86.6 84.9 75.2 75.3 80.2 96.7 108.8 110.4 115.9 132.7 144.8 131.9 131.9 145 136.6 144.5 149.3 129.5
RUS 100 99 102.4 68.5 49.5 65.7 77.5 87.3 108.8 149.4 193.2 250.3 328.6 419.9 309.1 385.5 513.7 548.7 564 513.5 335.3


現首相としては「責任政党であるからこそ景気回復を実現した」と仰りたいようですが、どうもそうではないのでは?という感が強いです。
なお、この 1995 〜 2015 年のあいだ、政権交代していたのは 2009 〜 2012 年のみです。
これだけ世界の経済成長から取り残されてきた、というのは凄まじいものですね。


急増野党に政権担当能力があるのかどうかは多いに疑問とするところですが、『責任政党』もなにか大きすぎる過ちを過去くり返してきたことは、どうも間違いないようです。


いずれにせよ、投票先を選び出すのが至難、という今回の衆院解散総選挙の模様です。
ただ個人的には、現政権がこれまでの数々の失態の責任を取るべきかと考えます。
どうせ近い将来、「山は動く」でしょうから。

不運な「浦島太郎」の述懐

今晩和。
きょうは某所で行われた CG 関係の研究会に、素人として参加してきました。
完全に浦島太郎気分でしたね。

実はわたし、このような『CG 人形』の作者でもあります。
中に擬似的な筋肉を仕込んであります。

f:id:renpoo:20170818163248j:plain

f:id:renpoo:20170824184525j:plain

f:id:renpoo:20170917083907j:plain


そもそも浪人の頃に映画『プロスペローの本』に knock out されて映画監督を志し、絵心のない自分にもできる道は、と 3DCG 基礎理論やロボット工学の初歩を勉強し始めた若者が、大学生時代の自分です。卒研は一生懸命いろんなことを独学して『逆運動学(Inverse Kinematics)の実装』を行い、まあ「なんとか及第」という結果を出しました。指導教授の付けてくれた評定は A でしたが、なにぶん、特定の条件下のマニピュレーターについてしか実験の結果を出せなかったので。その計算結果を可視化(当時は OpenGL の初期)するのも間に合わなかったし。


ですが社会に出てもまともな職場に巡り会えず、おかげで心身を壊して流浪の人生を始めます。
もう、それから二十年以上経つ訳です。
ほんとうに就職氷河期に直面したロス・ジェネ世代は、政策的・経済的・社会的失態のツケをまわされ散々な人生を歩んでいると実感します。


閑話休題
きょうの研究会は、興味深いネタのオンパレードでしたが、これ以上言及するのは控えます。


でも、その研究会の最中、いろいろとネット検索していて、こんな papers を見つけました。
哀しかったですね、愕然とするくらいに。
わたし「も」学生時代構想していた、ロボット工学にたいする Quaternion (四元数)の応用を、卒業後数年の時期に公刊しているのですから。

http://cdn.intechweb.org/pdfs/379.pdf

https://www.researchgate.net/publication/262391661_The_Unit_Quaternion_A_Useful_Tool_for_Inverse_Kinematics_of_Robot_Manipulators


ちょっと自棄酒でも呷って不貞寝したい気分です。
赤の他人に、自分の人生をメチャクチャにされて、おかげでいろんなものを棒に振った鬼としては。
偶には愚痴も言わせてください。


きょうの研究会の内容、ざっくりとは分かるんですが、とてもとても理解できているとは言えないレヴェルです。
やはり自分としては、統計科学などと絡めた『情報可視化 (Data Visualization)』の分野に転進して、なんとか活路を見出したい、と強く願うのでした。