統計推理。どう計算したのだろう。比率の信頼区間
どう計算したのだろう。比率の信頼区間
日経メディカルで、コデインの小児への処方が制限されたと言う記事を見た。
PDMA(医薬品医療機器総合機構）が運営するMID－NETというデータベースを利用した解析結果が参考にされたらしい。
http://www.jpa-web.org/dcms_media/other/%E3%82%B3%E3%83%87%E3%82%A4%E3%83%B3%20%E8%A8%98%E8%80%85%E6%87%87%E8%B3%87%E6%96%99.pdf
このｐｄｆが元資料と思われた。
MID-NET（2009年～2015年）
↓
対象期間中に協力医療機関を受診（976,859人）
↓
コデイン含有製剤が処方された患者（癌の診断をもつ患者を除く）（7,267人）
↓
12歳未満209人
12-18才未満199人
19才以上6859人
コホート全体：ケース24人 対象者7267人 発生割合0.3％ ９５％CI：0.2-0.4
12-18才：ケース0人 対象者数199人 発生割合0 ９５％CI：0.0-0.0
この95％CIが気になった。どうみても2項分布ではない。どんな手法なのだろう。
手法がわかれば、個人情報保護の観点から隠されている他のグループの発生割合が分かるのではないか。
そもそも、これ個人情報なのか？？？？？普通に公開すれば良いんじゃない？
Rで解析してみる。
binom.confint(24, 7267, conf.level = 0.95) inom.confint(0, 199, conf.level = 0.95) > binom.confint(24, 7267, conf.level = 0.95) method x n mean lower upper 1 agresti-coull 24 7267 0.003302601 0.002195053 0.004934996 2 asymptotic 24 7267 0.003302601 0.001983493 0.004621708 3 bayes* 24 7267 0.003370941 0.002094457 0.004725895 4 cloglog 24 7267 0.003302601 0.002183660 0.004857300 5 exact 24 7267 0.003302601 0.002117150 0.004910048 6 logit 24 7267 0.003302601 0.002214581 0.004922527 7 probit 24 7267 0.003302601 0.002197326 0.004884659 8 profile 24 7267 0.003302601 0.002152623 0.004802072 9 lrt 24 7267 0.003302601 0.002162413 0.004827145 10 prop.test 24 7267 0.003302601 0.002165131 0.004991762 11 wilson 24 7267 0.003302601 0.002220409 0.004909641
0.2-0.4%になるものは無い！！！！！
> binom.confint(0, 199, conf.level = 0.95) method x n mean lower upper 1 agresti-coull 0 199 0.0000 -0.003858684 0.022796917 2 asymptotic 0 199 0.0000 0.000000000 0.000000000 3 bayes 0 199 0.0025 0.000000000 0.009593465 4 cloglog 0 199 0.0000 0.000000000 0.018366328 5 exact 0 199 0.0000 0.000000000 0.018366328 6 logit 0 199 0.0000 0.000000000 0.018366328 7 probit 0 199 0.0000 0.000000000 0.018366328 8 profile 0 199 0.0000 0.000000000 0.016761237 9 lrt 0 199 0.0000 0.000000000 0.009621873 10 prop.test 0 199 0.0000 0.000000000 0.023605824 11 wilson 0 199 0.0000 0.000000000 0.018938233
0.0-0.0%になるものは、asymptoticしかない。
その他、連続数として平均値でやったのかとか色々試みたが、すべて一致しない。
一体どんな手法を使ったのだろう。教えてエライ人。
一つの推理として
信頼区間の上限が０になるので、asymptotiを使用したと仮定。
90％CIと間違えた可能性(qnorm(0.975)をqnorm(0.95)にした）を考えると、
method x n mean lower upper
1 asymptotic 24 7267 0.003302601 0.002195571 0.004409631
これは、0.2-0.4%と記載できる。
これで、２４人のケースを総当りする
result <- matrix(0, nrow = 23, ncol = 10) colnames(result) <- c("x", "n", "mean", "lower", "upper", "x", "n", "mean", "lower", "upper") for(i in 1:23){ result[i, ] <- unlist(c(binom.confint(i, 209, methods = "asymptotic", conf.level = 0.90)[2:6], binom.confint(24-i, 6859, methods = "asymptotic", conf.level = 0.90)[2:6])) }
x n mean lower upper x n mean lower upper [1,] 1 209 0.004784689 -0.0030665735 0.01263595 23 6859 0.0033532585 2.205102e-03 0.0045014148 [2,] 2 209 0.009569378 -0.0015072609 0.02064602 22 6859 0.0032074646 2.084464e-03 0.0043304657 [3,] 3 209 0.014354067 0.0008208182 0.02788732 21 6859 0.0030616708 1.964409e-03 0.0041589326 [4,] 4 209 0.019138756 0.0035498817 0.03472763 20 6859 0.0029158769 1.844981e-03 0.0039867731 [5,] 5 209 0.023923445 0.0065371152 0.04130977 19 6859 0.0027700831 1.726226e-03 0.0038139399 [6,] 6 209 0.028708134 0.0097091021 0.04770717 18 6859 0.0026242893 1.608199e-03 0.0036403791 [7,] 7 209 0.033492823 0.0130221306 0.05396352 17 6859 0.0024784954 1.490961e-03 0.0034660294 [8,] 8 209 0.038277512 0.0164476570 0.06010737 16 6859 0.0023327016 1.374583e-03 0.0032908203 [9,] 9 209 0.043062201 0.0199658122 0.06615859 15 6859 0.0021869077 1.259145e-03 0.0031146699 [10,] 10 209 0.047846890 0.0235620992 0.07213168 14 6859 0.0020411139 1.144745e-03 0.0029374828 [11,] 11 209 0.052631579 0.0272255514 0.07803761 13 6859 0.0018953200 1.031494e-03 0.0027591458 [12,] 12 209 0.057416268 0.0309476318 0.08388490 12 6859 0.0017495262 9.195286e-04 0.0025795238 [13,] 13 209 0.062200957 0.0347215384 0.08968038 11 6859 0.0016037323 8.090121e-04 0.0023984526 [14,] 14 209 0.066985646 0.0385417454 0.09542955 10 6859 0.0014579385 7.001471e-04 0.0022157298 [15,] 15 209 0.071770335 0.0424036907 0.10113698 9 6859 0.0013121446 5.931882e-04 0.0020311011 [16,] 16 209 0.076555024 0.0463035546 0.10680649 8 6859 0.0011663508 4.884626e-04 0.0018442389 [17,] 17 209 0.081339713 0.0502381007 0.11244133 7 6859 0.0010205569 3.864044e-04 0.0016547095 [18,] 18 209 0.086124402 0.0542045576 0.11804425 6 6859 0.0008747631 2.876091e-04 0.0014619171 [19,] 19 209 0.090909091 0.0582005306 0.12361765 5 6859 0.0007289692 1.929343e-04 0.0012650042 [20,] 20 209 0.095693780 0.0622239329 0.12916363 4 6859 0.0005831754 1.036962e-04 0.0010626546 [21,] 21 209 0.100478469 0.0662729329 0.13468400 3 6859 0.0004373815 2.211008e-05 0.0008526530 [22,] 22 209 0.105263158 0.0703459128 0.14018040 2 6859 0.0002915877 -4.750476e-05 0.0006306801 [23,] 23 209 0.110047847 0.0744414345 0.14565426 1 6859 0.0001457938 -9.399821e-05 0.0003855859
１２歳未満が0.0-1.0%になるのは、無いが、とても近い0.0-1.3％。エクセルとかで有効桁数字の表示に失敗して１％になったものを1.0％と書いたと考えると、その時１９才以上は0.2-0.5%で一致する。
ということで、小児12歳未満は1/209、19才以上は23/6859と推理するがどうでしょう。
もしそうなら、小児は1例だけって、酷すぎるデータだと思うんだけど。
また、1例なら、個人情報保護とか言うのも何となくしっくりくる。
そもそも、10例未満だから個人情報考えて非公開と書いているくせに、10/6859＝0.145%なので、95%CIが0.2-0.5％
には絶対にならないんですが。
まあ引き算で特定出来るからでしょうけど、素直に読むとどちらも10例未満かと思っちゃうよね。
ちなみに90％じゃなくて、95%CIだと
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [1,] 1 209 0.004784689 -0.0045706672 0.01414005 23 6859 0.0033532585 1.985146e-03 0.0047213711 [2,] 2 209 0.009569378 -0.0036292513 0.02276801 22 6859 0.0032074646 1.869326e-03 0.0045456030 [3,] 3 209 0.014354067 -0.0017717935 0.03047993 21 6859 0.0030616708 1.754203e-03 0.0043691388 [4,] 4 209 0.019138756 0.0005634666 0.03771405 20 6859 0.0029158769 1.639825e-03 0.0041919284 [5,] 5 209 0.023923445 0.0032063552 0.04464053 19 6859 0.0027700831 1.526251e-03 0.0040139151 [6,] 6 209 0.028708134 0.0060693911 0.05134688 18 6859 0.0026242893 1.413544e-03 0.0038350350 [7,] 7 209 0.033492823 0.0091004885 0.05788516 17 6859 0.0024784954 1.301776e-03 0.0036552147 [8,] 8 209 0.038277512 0.0122656354 0.06428939 16 6859 0.0023327016 1.191033e-03 0.0034743704 [9,] 9 209 0.043062201 0.0155411563 0.07058325 15 6859 0.0021869077 1.081411e-03 0.0032924046 [10,] 10 209 0.047846890 0.0189097770 0.07678400 14 6859 0.0020411139 9.730244e-04 0.0031092033 [11,] 11 209 0.052631579 0.0223584299 0.08290473 13 6859 0.0018953200 8.660081e-04 0.0029246320 [12,] 12 209 0.057416268 0.0258769427 0.08895559 12 6859 0.0017495262 7.605230e-04 0.0027385293 [13,] 13 209 0.062200957 0.0294572101 0.09494470 11 6859 0.0016037323 6.567648e-04 0.0025506999 [14,] 14 209 0.066985646 0.0330926480 0.10087864 10 6859 0.0014579385 5.549744e-04 0.0023609025 [15,] 15 209 0.071770335 0.0367778200 0.10676285 9 6859 0.0013121446 4.554552e-04 0.0021688341 [16,] 16 209 0.076555024 0.0405081749 0.11260187 8 6859 0.0011663508 3.585973e-04 0.0019741043 [17,] 17 209 0.081339713 0.0442798561 0.11839957 7 6859 0.0010205569 2.649176e-04 0.0017761963 [18,] 18 209 0.086124402 0.0480895615 0.12415924 6 6859 0.0008747631 1.751259e-04 0.0015744003 [19,] 19 209 0.090909091 0.0519344374 0.12988374 5 6859 0.0007289692 9.024420e-05 0.0013676943 [20,] 20 209 0.095693780 0.0558119973 0.13557556 4 6859 0.0005831754 1.184068e-05 0.0011545101 [21,] 21 209 0.100478469 0.0597200589 0.14123688 3 6859 0.0004373815 -5.744492e-05 0.0009322080 [22,] 22 209 0.105263158 0.0636566941 0.14686962 2 6859 0.0002915877 -1.124659e-04 0.0006956413 [23,] 23 209 0.110047847 0.0676201896 0.15247550 1 6859 0.0001457938 -1.399360e-04 0.0004315237
やはり12歳未満のケースが1例なのが一番近い。
もし1例だけのデータだけで制限となるともやっとするなあ。元の1例が別の病気だったらアウト。
でもまあ、子供にコデインなんか処方しないでよろし。
エライ人のもっとしっくりくる推理希望～。何か他の手法が有るのだろうか。
当初は元データを再現してデータ伏せても意味ないじゃ～んとなるはずが、しっくりこない記事になってしまった。
100人を部屋に集めてお金をランダムな相手に渡し続けるとだんだんと貧富の差が生まれる～条件により印象通りの結果に：第２弾
GIGAZINEでの興味深い記事の検証第2弾。
http://gigazine.net/news/20170711-random-people-give-money-to-random-other-people/
100人を部屋に集めてお金をランダムな相手に渡し続ける」とだんだんと貧富の差が生まれる
というもの。記事の中では「45ドルを持った45人が、1カウントごとに誰かに1ドル渡す」というシミュレーション」
をしていたのだが、条件を変えてみると正規分布に近くなった。
条件：1000人で、初期所持1000ドル、100000ターン施行
こうすると当初の直感に近く、1000ドル前後の層が手厚くなる
ｄｅｎｓｉｔｙも正規分布っぽくなり
Shapiro-Wilk normality test
W = 0.99927, p-value = 0.973
であり、有意に正規分布からズレているとはいえない。
Nが大きいため、極めて正規分布に近いと言って良いだろう
条件：1000人で、初期所持45ドル、10000ターン施行
これだと、45人45ドルと同じ感じのようだ。
条件：45人で1000ドルスタート
これだと１０００中心の正規分布に近くなる。
初期ドルが４５ドルとか１０ドルとか少ない場合、GIGAZINE記載のパターン。
初期ドルが１０００ドルなど十分大きいと正規分布に近くなるようだ。
GIZAZINEの記事をなぞってみる：「100人を部屋に集めてお金をランダムな相手に渡し続ける」とだんだんと貧富の差が生まれる
＃7/12追記 普通にソートした順でboxplotをすれば分かりやすかったので最下部に図を追加
GIGAZINEで興味深い記事が。
「100人を部屋に集めてお金をランダムな相手に渡し続ける」とだんだんと貧富の差が生まれる
というもの。
記事の中では「45ドルを持った45人が、1カウントごとに誰かに1ドル渡す」というシミュレーション」
をしているので、同じようにRでやってみる。
N <- 45 #人数 st <- 45 #初期所持ドル turn <- 5000 #何回施行するか SN <- 100 #シミュレーション回数 result <- matrix(0, ncol = N, nrow = SN) for(j in seq_len(SN)){ phase <- matrix(0, ncol = N, nrow = turn+1) phase[1,] <- 45 give <- function(x){ non0num <- (x != 0) non0 <- sum(non0num) x <- (x - non0num) add <- sample(seq_len(N), non0, replace = TRUE) x <- x + as.numeric(table(factor(add, levels = seq_len(N)))) } for(i in seq_len(turn)){ phase[i + 1,] <- give(phase[i,]) } result[j,] <- phase[turn+1, ] cat(j, "; ") } hist(apply(result, 1, median)) (apply(result, 1, mean)) ##must 45 hist(apply(result, 1, max)) hist(apply(result, 1, min)) plot(0, xlim = c(0, 300), ylim = c(0, 0.03), type = "n", main = "density of $", ylab = "density", xlab = "$") plot1 <- function(x) lines(density(x), xlim = c(0, 300), add = T) apply(result, 1, plot1)
以下５０００回目の状況（中央値など）を１００回シミュレーションしたグラフ
中央値所持＄、、、多くの場合４５ドル無いんだねぇ
平均所持＄（省略。当然全部４５＄）
最大所持＄、、、１５０＄オーバー当たり前なのね。３倍以上だね
最小所持＄、、、０＄の人が出て当たり前なのなー
５０００回目のざっくりした密度１００施行分
追記：普通にboxpotしたら分かりやすかった
#OsakaStan5参加 献本争奪じゃんけんで２回で決着した事象は珍しいものだったのか？
はじめて統計の勉強会に参加した。
#7/2一部バージョン違いのコードだったので修正
いわゆるアヒル本の勉強会である。
www.amazon.co.jp
なんと著者の松浦先生もいらっしゃると聞いて駆けつけた次第である。
何故アヒル本と呼ばれるのか？
それは、この表紙のブロックがアヒルだからである。
えっ！？アヒルと思ったけれど、娘の作品と聞いて超納得。(私も娘ラブな父親ですので）
これは間違いなくアヒルですね。むしろもうアヒルにしか見えない。
あとMCMCをミックミクと読む流儀もあると知りました。
もうミックミクにしか見えないですね。
ミックミクハアハア（ん？混ざってる）なるワードも
知ってしまいました。
大変刺激的で勉強になる会でした。
ガチ勢に囲まれて震えて参加するイメージでしたが、皆さん
和やかな雰囲気でユーモアもあり、すぐに緊張は解けました。
また参加したいですね。
東京だとこういった会がたくさんあるらしく羨ましい限りです。
前置きはここまで。
その懇親会で献本争奪じゃんけんバトルが発生した
３０～４０人程度の参加者で代表者とじゃんけんする。
負けと引き分けは退場。勝ちの人だけ勝ち残る。
最後の一人が献本ゲットというもの。
そこで、たった2回で勝負が決まった。（酔ってたので”たぶん”2回というのが正しい）
これは相当稀なことなのではないか？
早速Rで計算してみる
N_range <- 30:40 #30から40人の間だった ans <- numeric(length(N_range)) ct <- 1 for(N in N_range){ P <- 1/3 #じゃんけんで生き残る確率 ##1回で決着の場合 get_1 <- dbinom(1, N, P, FALSE) ##2回で決着の場合 temp <- 0 temp <- temp + get_1 temp <- temp + dbinom(0, N, P, FALSE) * dbinom(1, N, P , FALSE) #1回め0人になり無効。2回めで1人に。 for(i in 2:N){ temp <- temp + dbinom(i, N, P, FALSE) * dbinom(1, i, P , FALSE) } ans[ct] <- temp ct <- ct + 1 } ans
結果
> ans
30 31 32 33 34 35 36 37 38 39 40
[1,] 0.1095626 0.1006233 0.09231996 0.08462096 0.07749409 0.07090696 0.06482739 0.05922376 0.05406528 0.04932212 0.0449656430人では11%程度起こる。40人でも4.5%程度起こる。
思ったよりは良く起こりうることだった。
個人的な直感では200回に一回くらいの珍しい事象かとおもってたよ、、、
計算間違いが怖いのでシミュレーションでも確かめる
とりあえずN=35の場合。確率は0.07090696である。
Nsim <- 1000000 P <- 1/3 N <- 35 get <- 3 res <- numeric(Nsim) for(i in seq_len(Nsim)){ ct <- 0 temp <- N while(temp != 1){ temp2 <- rbinom(1, temp, P) if (temp2 == 0){ ct <- ct + 1 #０人になっちゃっても1回にカウント }else{ ct <- ct + 1 temp <- temp2 } } res[i] <- ct } table(res)
1000万回のシミュレーション結果
> table(res)
res
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
119 709559 3380330 2521582 1490322 841063 469192 260440 145661 80534 44986 24854 13931 7701 4203 2387 1403
18 19 20 21 22 23 24 25 26 27 28 30 33
779 419 246 113 92 37 20 15 4 4 2 1 1 2回まで勝負がつくのは119+709559=709559回/1000万回なので、7.095%。
0.07090696と大きくはズレていないようだ。
二項分布の95%CIは
0.07080873 から0.07112712なので0.07090696を含む。
きっと大きな間違いはないであろう。たぶん
レイド戦後捕獲時のバンギラスCP/固体値と最大強化時CP/レア度順位の表
#注意：2018.10.10 近い将来CPなどのデータが調整されるとのことです。
#CP値などのデータは更新前の2018.10.09現在の値なのでご注意ください。
#2017.11.28 アップデートで最大強化ポケモンレベルが39から40になったので、最新の表は
r-statistics-fan.hatenablog.com
こちらをご参照ください
統計ブログ()だが、わりとポケモン記事へのアクセスが多い。
というわけで追加記事。
レイド戦が始まり、バンギラスが身近になった。
前回の記事で
http://r-statistics-fan.hatenablog.com/entry/2017/05/22/174305
卵を４９個孵化させないと、90%以上の確率で最大CP3600超えの個体を
ゲットできないとわかった。
どうやら、レイドで入手できる個体も卵と同じく固体値10/10/10以上らしい。
そして卵と同じくレベルも２０で固定らしい。
卵４９個よりも、レイド戦で４９体バンギラスをゲットする方が
はるかに簡単である。
レイド戦後のバンギラス捕獲画面でのCP値と、最大強化時のCPとレア度（上位何％のレア度か）を知っておけば捕獲時のCPを見た時にテンションがあがるかも。
ということで、レイド戦用に新たに表を作成した。
良いCPなら金のズリのみ（左にスワイプすると選択できる。筆者は数日間レイドでも
金ズリ投げられるとは気が付かなかった）を使うと良いかも。
なお、固体値(%)順と最大CP順が異なるのは、ATの固体値が最大CPに大きく影響するから。
同じ固体値９１％でも、
AT DF HP 固体値(%) レイド捕獲時CP 最大強化時cp 順位 上位(%) 80%捕獲数 90%捕獲数 18 15 13 13 91.11111 2078 3585 18 9.259259 17 24 59 11 15 15 91.11111 2065 3563 57 27.314815 6 8
なので、同じ固体値(%)でもAT15とAT11で順位は18位（上位9.3%)、57位（上位27.3%）とぜんぜん違う。
また、レイドで捕獲時のCPが同じでもバンギラス最大CPは違ううことも多い。
たとえばレイド捕獲時にバンギラスCP2068の場合
AT DF HP 固体値(%) レイド捕獲時CP 最大強化時cp 順位 上位(%) 80%捕獲数 90%捕獲数 45 15 11 13 86.66667 2068 3569 44 21.296296 7 10 46 12 14 15 91.11111 2068 3569 44 21.296296 7 10 47 15 13 11 86.66667 2068 3568 47 22.685185 7 9 48 15 12 12 86.66667 2068 3568 47 22.685185 7 9 49 12 15 14 91.11111 2068 3568 47 22.685185 7 9 50 15 14 10 86.66667 2068 3567 50 23.148148 7 9
なので捕獲時CP=2068の場合、最大CPは3567から3569まで有り得る
以下表である
##横に長いので環境によりスクロールして表示してください
##レイド戦ゲット時のバンギラスCP/固体値と最大強化時CPの表
##上位(%)=レイド戦で上位何％のレアな個体か（最大強化時CP順）
##80%捕獲数＝80%以上の確率でその最大CP以上の個体を手に入れるために必要な捕獲数
AT DF HP 固体値(%) レイド捕獲時CP 最大強化時cp 順位 上位(%) 80%捕獲数 90%捕獲数
1 15 15 15 100.00000 2097 3617 1 0.462963 347 497
2 15 15 14 97.77778 2092 3609 2 1.388889 116 165
3 15 14 15 97.77778 2092 3609 2 1.388889 116 165
4 14 15 15 97.77778 2089 3604 4 1.851852 87 124
5 15 14 14 95.55556 2087 3601 5 2.777778 58 82
6 15 13 15 95.55556 2087 3601 5 2.777778 58 82
7 15 15 13 95.55556 2087 3600 7 3.240741 49 70
8 14 14 15 95.55556 2084 3596 8 3.703704 43 62
9 14 15 14 95.55556 2084 3595 9 4.166667 38 55
10 15 13 14 93.33333 2083 3593 10 5.555556 29 41
11 15 12 15 93.33333 2083 3593 10 5.555556 29 41
12 15 14 13 93.33333 2082 3593 10 5.555556 29 41
13 15 15 12 93.33333 2082 3592 13 6.018519 26 38
14 13 15 15 95.55556 2081 3590 14 6.481481 25 35
15 14 13 15 93.33333 2080 3588 15 6.944444 23 32
16 14 15 13 93.33333 2079 3587 16 7.870370 20 29
17 14 14 14 93.33333 2079 3587 16 7.870370 20 29
18 15 13 13 91.11111 2078 3585 18 9.259259 17 24
19 15 12 14 91.11111 2078 3585 18 9.259259 17 24
20 15 11 15 91.11111 2078 3585 18 9.259259 17 24
21 15 15 11 91.11111 2077 3584 21 10.185185 15 22
22 15 14 12 91.11111 2077 3584 21 10.185185 15 22
23 13 15 14 93.33333 2076 3582 23 11.111111 14 20
24 13 14 15 93.33333 2076 3582 23 11.111111 14 20
25 14 12 15 91.11111 2075 3580 25 11.574074 14 19
26 14 14 13 91.11111 2075 3579 26 12.962963 12 17
27 14 13 14 91.11111 2075 3579 26 12.962963 12 17
28 14 15 12 91.11111 2074 3579 26 12.962963 12 17
29 15 12 13 88.88889 2073 3577 29 14.814815 11 15
30 15 11 14 88.88889 2073 3577 29 14.814815 11 15
31 15 10 15 88.88889 2073 3577 29 14.814815 11 15
32 12 15 15 93.33333 2073 3577 29 14.814815 11 15
33 15 14 11 88.88889 2073 3576 33 15.740741 10 14
34 15 13 12 88.88889 2073 3576 33 15.740741 10 14
35 15 15 10 88.88889 2072 3575 35 16.203704 10 14
36 13 14 14 91.11111 2072 3574 36 17.129630 9 13
37 13 13 15 91.11111 2072 3574 36 17.129630 9 13
38 13 15 13 91.11111 2071 3573 38 17.592593 9 12
39 14 12 14 88.88889 2070 3572 39 18.518519 8 12
40 14 11 15 88.88889 2070 3572 39 18.518519 8 12
41 14 14 12 88.88889 2070 3571 41 19.444444 8 11
42 14 13 13 88.88889 2070 3571 41 19.444444 8 11
43 14 15 11 88.88889 2069 3570 43 19.907407 8 11
44 15 10 14 86.66667 2069 3569 44 21.296296 7 10
45 15 11 13 86.66667 2068 3569 44 21.296296 7 10
46 12 14 15 91.11111 2068 3569 44 21.296296 7 10
47 15 13 11 86.66667 2068 3568 47 22.685185 7 9
48 15 12 12 86.66667 2068 3568 47 22.685185 7 9
49 12 15 14 91.11111 2068 3568 47 22.685185 7 9
50 15 14 10 86.66667 2068 3567 50 23.148148 7 9
51 13 14 13 88.88889 2067 3566 51 24.537037 6 9
52 13 13 14 88.88889 2067 3566 51 24.537037 6 9
53 13 12 15 88.88889 2067 3566 51 24.537037 6 9
54 13 15 12 88.88889 2066 3565 54 25.000000 6 9
55 14 11 14 86.66667 2066 3564 55 25.925926 6 8
56 14 10 15 86.66667 2066 3564 55 25.925926 6 8
57 14 13 12 86.66667 2065 3563 57 27.314815 6 8
58 14 12 13 86.66667 2065 3563 57 27.314815 6 8
59 11 15 15 91.11111 2065 3563 57 27.314815 6 8
60 14 14 11 86.66667 2065 3562 60 28.240741 5 7
61 14 15 10 86.66667 2064 3562 60 28.240741 5 7
62 15 10 13 84.44444 2064 3561 62 29.166667 5 7
63 12 13 15 88.88889 2064 3561 62 29.166667 5 7
64 15 11 12 84.44444 2064 3560 64 31.018519 5 7
65 12 14 14 88.88889 2064 3560 64 31.018519 5 7
66 15 12 11 84.44444 2063 3560 64 31.018519 5 7
67 12 15 13 88.88889 2063 3560 64 31.018519 5 7
68 15 13 10 84.44444 2063 3559 68 31.481481 5 7
69 13 11 15 86.66667 2063 3558 69 32.870370 5 6
70 13 13 13 86.66667 2062 3558 69 32.870370 5 6
71 13 12 14 86.66667 2062 3558 69 32.870370 5 6
72 13 14 12 86.66667 2062 3557 72 33.796296 4 6
73 13 15 11 86.66667 2061 3557 72 33.796296 4 6
74 14 10 14 84.44444 2061 3556 74 34.259259 4 6
75 14 11 13 84.44444 2061 3555 75 36.111111 4 6
76 11 14 15 88.88889 2061 3555 75 36.111111 4 6
77 14 12 12 84.44444 2060 3555 75 36.111111 4 6
78 11 15 14 88.88889 2060 3555 75 36.111111 4 6
79 14 14 10 84.44444 2060 3554 79 37.037037 4 5
80 14 13 11 84.44444 2060 3554 79 37.037037 4 5
81 12 12 15 86.66667 2059 3553 81 37.500000 4 5
82 15 11 11 82.22222 2059 3552 82 39.814815 4 5
83 15 10 12 82.22222 2059 3552 82 39.814815 4 5
84 12 15 12 86.66667 2059 3552 82 39.814815 4 5
85 12 14 13 86.66667 2059 3552 82 39.814815 4 5
86 12 13 14 86.66667 2059 3552 82 39.814815 4 5
87 15 12 10 82.22222 2058 3551 87 40.277778 4 5
88 13 12 13 84.44444 2058 3550 88 41.666667 3 5
89 13 11 14 84.44444 2058 3550 88 41.666667 3 5
90 13 10 15 84.44444 2058 3550 88 41.666667 3 5
91 13 14 11 84.44444 2057 3549 91 43.055556 3 5
92 13 13 12 84.44444 2057 3549 91 43.055556 3 5
93 10 15 15 88.88889 2057 3549 91 43.055556 3 5
94 13 15 10 84.44444 2057 3548 94 43.518519 3 5
95 14 11 12 82.22222 2056 3547 95 45.370370 3 4
96 14 10 13 82.22222 2056 3547 95 45.370370 3 4
97 11 14 14 86.66667 2056 3547 95 45.370370 3 4
98 11 13 15 86.66667 2056 3547 95 45.370370 3 4
99 14 12 11 82.22222 2056 3546 99 46.759259 3 4
100 11 15 13 86.66667 2056 3546 99 46.759259 3 4
101 14 13 10 82.22222 2055 3546 99 46.759259 3 4
102 12 12 14 84.44444 2055 3545 102 47.685185 3 4
103 12 11 15 84.44444 2055 3545 102 47.685185 3 4
104 15 10 11 80.00000 2054 3544 104 49.074074 3 4
105 12 14 12 84.44444 2054 3544 104 49.074074 3 4
106 12 13 13 84.44444 2054 3544 104 49.074074 3 4
107 15 11 10 80.00000 2054 3543 107 50.000000 3 4
108 12 15 11 84.44444 2054 3543 107 50.000000 3 4
109 13 11 13 82.22222 2053 3542 109 51.388889 3 4
110 13 10 14 82.22222 2053 3542 109 51.388889 3 4
111 10 14 15 86.66667 2053 3542 109 51.388889 3 4
112 13 12 12 82.22222 2053 3541 112 52.777778 3 4
113 10 15 14 86.66667 2053 3541 112 52.777778 3 4
114 13 13 11 82.22222 2052 3541 112 52.777778 3 4
115 13 14 10 82.22222 2052 3540 115 53.240741 3 4
116 14 10 12 80.00000 2051 3539 116 55.092593 3 3
117 11 14 13 84.44444 2051 3539 116 55.092593 3 3
118 11 13 14 84.44444 2051 3539 116 55.092593 3 3
119 11 12 15 84.44444 2051 3539 116 55.092593 3 3
120 14 12 10 80.00000 2051 3538 120 56.481481 2 3
121 14 11 11 80.00000 2051 3538 120 56.481481 2 3
122 11 15 12 84.44444 2051 3538 120 56.481481 2 3
123 12 11 14 82.22222 2050 3537 123 57.407407 2 3
124 12 10 15 82.22222 2050 3537 123 57.407407 2 3
125 12 12 13 82.22222 2050 3536 125 58.333333 2 3
126 12 13 12 82.22222 2049 3536 125 58.333333 2 3
127 15 10 10 77.77778 2049 3535 127 59.722222 2 3
128 12 15 10 82.22222 2049 3535 127 59.722222 2 3
129 12 14 11 82.22222 2049 3535 127 59.722222 2 3
130 13 10 13 80.00000 2048 3534 130 60.648148 2 3
131 10 13 15 84.44444 2048 3534 130 60.648148 2 3
132 13 12 11 80.00000 2048 3533 132 62.500000 2 3
133 13 11 12 80.00000 2048 3533 132 62.500000 2 3
134 10 15 13 84.44444 2048 3533 132 62.500000 2 3
135 10 14 14 84.44444 2048 3533 132 62.500000 2 3
136 13 13 10 80.00000 2048 3532 136 62.962963 2 3
137 11 12 14 82.22222 2047 3531 137 64.814815 2 3
138 11 11 15 82.22222 2047 3531 137 64.814815 2 3
139 14 10 11 77.77778 2046 3531 137 64.814815 2 3
140 11 13 13 82.22222 2046 3531 137 64.814815 2 3
141 14 11 10 77.77778 2046 3530 141 66.203704 2 3
142 11 15 11 82.22222 2046 3530 141 66.203704 2 3
143 11 14 12 82.22222 2046 3530 141 66.203704 2 3
144 12 10 14 80.00000 2045 3529 144 66.666667 2 3
145 12 12 12 80.00000 2045 3528 145 67.592593 2 3
146 12 11 13 80.00000 2045 3528 145 67.592593 2 3
147 12 13 11 80.00000 2045 3527 147 68.518519 2 2
148 12 14 10 80.00000 2044 3527 147 68.518519 2 2
149 10 12 15 82.22222 2044 3526 149 69.444444 2 2
150 13 10 12 77.77778 2043 3526 149 69.444444 2 2
151 13 12 10 77.77778 2043 3525 151 71.296296 2 2
152 13 11 11 77.77778 2043 3525 151 71.296296 2 2
153 10 14 13 82.22222 2043 3525 151 71.296296 2 2
154 10 13 14 82.22222 2043 3525 151 71.296296 2 2
155 10 15 12 82.22222 2043 3524 155 71.759259 2 2
156 11 12 13 80.00000 2042 3523 156 73.148148 2 2
157 11 11 14 80.00000 2042 3523 156 73.148148 2 2
158 11 10 15 80.00000 2042 3523 156 73.148148 2 2
159 14 10 10 75.55556 2042 3522 159 74.537037 2 2
160 11 13 12 80.00000 2042 3522 159 74.537037 2 2
161 11 14 11 80.00000 2041 3522 159 74.537037 2 2
162 11 15 10 80.00000 2041 3521 162 75.000000 2 2
163 12 10 13 77.77778 2041 3520 163 76.388889 2 2
164 12 12 11 77.77778 2040 3520 163 76.388889 2 2
165 12 11 12 77.77778 2040 3520 163 76.388889 2 2
166 12 13 10 77.77778 2040 3519 166 76.851852 2 2
167 10 12 14 80.00000 2039 3518 167 77.777778 2 2
168 10 11 15 80.00000 2039 3518 167 77.777778 2 2
169 13 10 11 75.55556 2039 3517 169 79.629630 2 2
170 10 13 13 80.00000 2039 3517 169 79.629630 2 2
171 13 11 10 75.55556 2038 3517 169 79.629630 2 2
172 10 14 12 80.00000 2038 3517 169 79.629630 2 2
173 10 15 11 80.00000 2038 3516 173 80.092593 1 2
174 11 10 14 77.77778 2038 3515 174 81.481481 1 2
175 11 12 12 77.77778 2037 3515 174 81.481481 1 2
176 11 11 13 77.77778 2037 3515 174 81.481481 1 2
177 11 14 10 77.77778 2037 3514 177 82.407407 1 2
178 11 13 11 77.77778 2037 3514 177 82.407407 1 2
179 12 11 11 75.55556 2036 3512 179 83.333333 1 2
180 12 10 12 75.55556 2036 3512 179 83.333333 1 2
181 12 12 10 75.55556 2035 3511 181 83.796296 1 2
182 10 10 15 77.77778 2035 3510 182 84.722222 1 2
183 10 11 14 77.77778 2034 3510 182 84.722222 1 2
184 13 10 10 73.33333 2034 3509 184 86.111111 1 2
185 10 13 12 77.77778 2034 3509 184 86.111111 1 2
186 10 12 13 77.77778 2034 3509 184 86.111111 1 2
187 10 14 11 77.77778 2034 3508 187 87.037037 1 2
188 10 15 10 77.77778 2033 3508 187 87.037037 1 2
189 11 11 12 75.55556 2033 3507 189 87.962963 1 2
190 11 10 13 75.55556 2033 3507 189 87.962963 1 2
191 11 13 10 75.55556 2032 3506 191 88.888889 1 2
192 11 12 11 75.55556 2032 3506 191 88.888889 1 2
193 12 10 11 73.33333 2031 3504 193 89.351852 1 2
194 12 11 10 73.33333 2031 3503 194 89.814815 1 2
195 10 11 13 75.55556 2030 3502 195 90.740741 1 1
196 10 10 14 75.55556 2030 3502 195 90.740741 1 1
197 10 13 11 75.55556 2029 3501 197 91.666667 1 1
198 10 12 12 75.55556 2029 3501 197 91.666667 1 1
199 10 14 10 75.55556 2029 3500 199 92.129630 1 1
200 11 10 12 73.33333 2028 3499 200 92.592593 1 1
201 11 11 11 73.33333 2028 3498 201 93.518519 1 1
202 11 12 10 73.33333 2027 3498 201 93.518519 1 1
203 12 10 10 71.11111 2026 3496 203 93.981481 1 1
204 10 10 13 73.33333 2025 3494 204 94.444444 1 1
205 10 12 11 73.33333 2025 3493 205 95.370370 1 1
206 10 11 12 73.33333 2025 3493 205 95.370370 1 1
207 10 13 10 73.33333 2024 3492 207 95.833333 1 1
208 11 10 11 71.11111 2023 3491 208 96.296296 1 1
209 11 11 10 71.11111 2023 3490 209 96.759259 1 1
210 10 12 10 71.11111 2020 3485 210 98.148148 1 1
211 10 11 11 71.11111 2020 3485 210 98.148148 1 1
212 10 10 12 71.11111 2020 3485 210 98.148148 1 1
213 11 10 10 68.88889 2018 3482 213 98.611111 1 1
214 10 11 10 68.88889 2015 3477 214 99.537037 1 1
215 10 10 11 68.88889 2015 3477 214 99.537037 1 1
216 10 10 10 66.66667 2011 3469 216 100.000000 0 0
データの出力時にrownamesを出したくない/ポケモンGO,ラッキーCP777になる固体値全部
#注意：2018.10.10 近い将来CPなどのデータが調整されるとのことです。
#CP値などのデータは更新前の2018.10.09現在の値なのでご注意ください。
ふつうに行列をコンソールに出力すると
> lucky777
AT DF HP Lv
[1,] 0 2 14 24
[2,] 0 3 11 24
[3,] 0 3 12 24
[4,] 0 4 8 24
[5,] 0 4 9 24
のようにrownamesがNULLであっても、[1,] のように何行目か
分かるようにコンソールに出力される。
これを消したい。
write.table(lucky777, "", quote=F, sep="\t", row.names=F, col.names=T)
のようにwrite.tableで出力ファイルを""にすれば、コンソールにcolnamesのみ
出力される。
以下ラッキーがCP777になるすべての固体値組み合わせ
ans <- list()
ct <- 1
for(i in 0:15){
for(j in 0:15){
for(k in 0:15){
for(l in 1:39){
if(cp.cal(i, j, k, 60, 176, 500, l) == 777){
ans[[ct]] <- c(i,j,k,l)
ct <- ct + 1
}
}}}}
lucky777 <- matrix(unlist(ans), ncol = 4, byrow = TRUE)
colnames(lucky777) <- c("AT", "DF", "HP", "Lv")
write.table(lucky777, "", quote=F, sep="\t", row.names=F, col.names=T)ラッキーがCP777になる固体値/レベルの組み合わせは110も有るようだ。
ラッキー７７７が2体になってほくそ笑んでいたけど、それほどレアでは
ないようだ。
AT DF HP Lv 0 2 14 24 0 3 11 24 0 3 12 24 0 4 8 24 0 4 9 24 0 5 6 24 0 6 3 24 0 7 0 24 1 0 3 24 1 1 0 24 1 1 1 24 1 12 13 23 1 13 10 23 1 14 7 23 1 14 8 23 1 15 5 23 2 6 13 23 2 7 10 23 2 8 7 23 2 8 8 23 2 9 4 23 2 9 5 23 2 10 2 23 3 0 14 23 3 1 11 23 3 2 8 23 3 3 5 23 3 4 2 23 3 5 0 23 4 10 15 22 4 11 12 22 4 12 9 22 4 12 10 22 4 13 6 22 4 13 7 22 4 14 4 22 4 15 1 22 5 5 13 22 5 6 10 22 5 7 7 22 5 8 4 22 5 8 5 22 5 9 2 22 6 0 11 22 6 0 12 22 6 1 9 22 6 2 6 22 6 3 3 22 6 4 0 22 7 10 15 21 7 11 13 21 7 12 10 21 7 13 7 21 7 13 8 21 7 14 5 21 7 15 2 21 8 5 14 21 8 5 15 21 8 6 11 21 8 6 12 21 8 7 9 21 8 8 6 21 8 9 3 21 8 10 0 21 8 10 1 21 9 0 14 21 9 1 11 21 9 2 8 21 9 3 5 21 9 4 2 21 9 5 0 21 10 12 15 20 10 13 12 20 10 13 13 20 10 14 10 20 10 15 7 20 11 7 14 20 11 7 15 20 11 8 12 20 11 9 9 20 11 10 6 20 11 11 3 20 11 11 4 20 11 12 1 20 12 2 14 20 12 2 15 20 12 3 11 20 12 3 12 20 12 4 8 20 12 4 9 20 12 5 6 20 12 6 3 20 12 7 0 20 13 0 6 20 13 1 3 20 13 2 0 20 14 11 13 19 14 11 14 19 14 12 11 19 14 13 8 19 14 14 5 19 14 14 6 19 14 15 3 19 15 6 14 19 15 7 11 19 15 8 8 19 15 9 5 19 15 10 2 19 15 10 3 19 15 11 0 19
超ムカつくtibbleクラス：バージョンアップでエラー頻発
Rのバージョンアップで、エラーが出ることが多くなった。
その多くはどうもtibbleクラスが関わっている！
色んなパッケージがtibbleではエラーを吐きまくる。
読み込んだ段階でdeta.frameがtibbleになっていることがしばしばである。
たとえばこんな感じ
> str(dat)
Classes ‘tbl_df’, ‘tbl’ and 'data.frame': 1930 obs. of 233 variables:
このtbl_dfとかtblってやつが問題。
色んなパッケージでこいつが絡むとエラーを吐ききまくる。
便利だかなんだか知らないが、まさに余計なお世話のクラスである。
まじムカつく。
例えばむかしは
dat[, "x"]
とするとdat$xのベクトルが得られていたが、
tibbleだとvectorじゃなく縦長のtibbleになるので転置して
as.vector(t(dat[, "x"]))
などとしないとvectorとして使えない。
おかげで困っていたが、
単純に
dat <- data.frame(dat)
と強制変換すれば良いことがわかった。
これでまた捗るわ。
