なすと牛肉のオイスター炒め

 

 

材料(2人前)

 

材料

  • 牛肉150g
  • なす3本

なすは輪切りにしましょう!

 

ソース①

  • にんにくすりおろし 小さじ1/2
  • しょうがすりおろし 小さじ1/2
  • 塩こしょう 少々

混ぜ合わせる

 

ソース②

  • 醤油 大さじ1
  • 酒 大さじ1
  • 水 大さじ1
  • オイスターソース  大さじ1
  • 砂糖  大さじ1/2

混ぜ合わせる

 

香り付け

  • ごま油 少々

 

 

トッピング

  • 刻み葱 少々

 

 

お料理するよ!

ソース①と牛肉を合わせて揉み揉みします。

 

 

フライパンにサラダ油を熱して牛肉を炒めましょ~!

にんにくの香りがむんむんです、換気扇をつけよう。

 

 

牛肉が火が通ったら輪切りにしたナスを投入し、ソース②を加えます。

 

 

 

こういう状態になったら、ごま油を少々入れます。

 

 

 

完成なのだ

トッピングに葱をふりふりして完成!

お疲れ様でした。

 

ベイズ確率まとめ

ベイズの定理(ベイズのていり、英: Bayes’ theorem)とは、条件付き確率に関して成り立つ定理で、トーマス・ベイズによって示された
@see Wikipedia ベイズの定理

ベイズが完成させた定理は圧巻のパフォーマンスと世界観で幅広いオーディエンスを歓喜の渦に巻き込んだ。没後250年で死後の念が強まり、今なお彼を信仰する”ベイジアン”によって機械学習などその応用分野はより広がりをみせている。

「経験と結果は裏切らない」

先入観だけでは決して知ることの出来ない可能性の一つの正しいあり方といって良いだろう。シンプルで破天荒な演出は頻度論者からの批判もあるが、現在から過去を逆行して見通すことができる…改めて彼の自信が伝わってくるようだった。紆余曲折ありながらも愚直なまでにパーソナルな感情がしっかり盛り込まれており、ベイズとベイジアンの強固な絆が作り上げた”エモーショナルな景色”は全員が満足できるだろう実に意義深い作品となっているのだ。

 

ベイズの定理で何が嬉しいのか?

  • 結果がこうだったのだけれど、なんで?がわかる
    時間逆行の確率(左辺)が、時間順行(右辺)から求めることができる。
    結果として生じたデータから何が原因でデータが発生したのかを確率から原因を推定できる。いくつかの原因の中から結果が起こるが、その結果がどの原因によって発生したのかを確率で推定できる
  • 尤度
    最初の段階で、
    原因が起こる尤もらしさの度合い尤度を設定できる。
    モデルパラメータθのもとでのデータDの出現確率、
    最尤推定で試行回数が少ない時に”尤度が当てにならない”問題を解決する。
  • 理由不十分の法則
    最初の段階で、
    事象の発生確率(事前確率)が分からないときは、そう信じるのに反対する根拠がないことからすべての発生確率は等しいとして、最初の発生確率を等しく設定できるとしてベイズは曖昧さを許容してくれる
  • ベイズ更新
    処理の結果から生じたデータから事後確率が得られる、次に試行するときには事後確率を事前確率としてセットすることで確率の精度を更新することが出来る。
    具体的には、
    ベイズ更新を利用してフィルタの精度を随時更新することが出来るので応用しやすい。データを通していくことでフィルタが更新され精度が強化される。

ベイズの定理 もっとくわしく

冒頭の条件確率を利用したベイズの定理はこういう風に役立ちます。

  • D: データ
  • H: 仮定

 

ベイズのよくわかる例題 データを得ると確率が変わる

某ギャンブル映画で主人公の素養を見抜くのにモンティホール問題が出てきていた。

@see 優技録 モンティホール問題とベイズの定理

 

 

同時確率, 条件付き確率, 乗法定理って何?

優技録 乗法定理 同時確率, 条件付き確率

ベイズの定理は乗法定理を変形しています。

 

最尤推定法の問題を解決する

 

// 後で書く

 

ベイズの定理

 

記号で表記するとこうなる

グラフで表記するとこうなる

 

例 天気

  • 1月1日が曇りの確率は0.8、1月2日が雪の確率は0.4である。
  • 1月1日が曇りの時に1月2日が雪の確率は0.3である。

1月2日が雪の時に1月1日が曇りの確率はいくつか?

0.6の確率だということがわかります。

2日が雪だったというデータから、0.6の確率で1日が曇りであろうことがわかりました。

 

ベイズの定理が成り立つか確認

乗法定理を式変形したものがベイズで当然成り立ちます。

 

100年で考えた場合

確率として当てはめると、1日目が曇は80日、2日目が雪は40日、1日目が曇りかつ2日目が雪は24日になります。

P(2日雪 ∩1日曇) = P(2日雪 ∣1日曇) × P(1日曇)
24 = 30 × 80/100

成り立ちます。

 

条件付き確率

  • 1月1日が曇りの時に1月2日が雪の確率は0.3である。

問題文の1月1日が曇りの時に1月2日が雪の条件付き確率0.3が導出出来ました。

 

 

 

ベイズの展開公式

例)天気 分母の導出

  • 1月1日が晴れの確率0.3, 曇りの確率0.2, 雨の確率0.5
  • 1月1日が晴れで2日が雨の確率0.2
  • 1月1日が曇りで2日が雨の確率0.3
  • 1月1日が雨で2日が雨の確率0.6

1月2日が雨だった時に、1月1日が晴れの確率はいくつか?

 

2日が雨の確率

  • P(2日雨∩1日晴) = 0.2 × 0.2 = 0.04
  • P(2日雨∩1日曇) = 0.3 × 0.3 = 0.09
  • P(2日雨∩1日雨) = 0.6 × 0.5 = 0.3

P(2日雨) = 0.04 + 0.09 + 0.3 = 0.43

 

>1月2日が雨だった時に、1月1日が晴れの確率はいくつか?

(ベイズの分母は同時確率の総和)

 

こうなる、

1月2日が雨だった時に、1月1日が晴れの確率は0.093ということがわかりました。

2日が雨というデータを受けた時に、1日が晴れという原因である確率は0.093といえます。

またP(1日晴∣2日雨)以外のP(1日曇∣2日雨), P(1日雨∣2日雨)それぞれの条件付き確率を出すとこういう結果になりました。

 

 

例 ウィルス感染の検査 検査陽性のパラドックス

  • 100,000人に1人の感染率であるウィルスの検査を行った
  • ウィルス感染している人は99%の確率で陽性と判定される
  • ウィルス感染していない人も1%の確率で陽性と判定される

検査で陽性反応が出た時に、実際にウィルスに感染している確率はいくつか?

 

陽性の分母が必要

陽性の人は2通りで、

  • 感染していて陽性反応が出た人
  • 感染していないが陽性反応が出た人

 

 

>検査で陽性反応が出た時に、実際にウィルスに感染している確率はいくつか?

0.00098 ≒ 0.1%

 

100,000人に1人の確率で感染するウィルスにおいて、
感染している時に99%で陽性が出る検査では、陽性が出ても0.1%しか実際に感染していないことになります。

かなり少ないですよね、これが陽性検査のパラドックスです。

 

 

理由不十分の法則

例 取り出した玉がどの箱から取り出されたか

1つ球を取り出した時に赤玉であった時、箱Cから取り出された確率はいくつか?

 

ベイズの定理に代入する

箱Cが選ばれる確率がわからない、問題文に与えられていない・・・。

 

「理由不十分の法則」が発動

特にどの箱が選ばれる理由が明示されないなら、それぞれの箱が選ばれる確率は等しく1/3と考える。

理由不十分の法則の法則からP(箱A) = P(箱B) = P(箱C) = 1/3となった。

 

次は分母となるP(赤球)が必要

P(赤球)は加法定理によって出せる

 

 

>1つ球を取り出した時に赤玉であった時、箱Cから取り出された確率はいくつか?

5/17が問題文の答えになりますが、箱A, 箱Bについても見ていきます。

 

整理できました。

 

ベイズ更新

例 デートでの反応から彼氏から好かれているかを推定

  • A子ちゃんは先月のデートを2回行い、1回目に”良い”印象、2回目に”悪い”印象を彼氏から得た
  • 2回目のデートで得られた”悪い”印象は彼氏がA子ちゃんに感じている「好き好き大好き」「普通」「嫌い」どの原因から生まれたものかを推定

 

心をモデル化(尤度の設定)

心を原因の箱と考えて、

  • “愛”が出たらデートでの良い印象
  • “憎”が出たらデートでの悪い印象

とする。

 

 

事前確率の設定

  • A子ちゃんのこれまでの彼氏とのデートでの経験、愛されているはずだという信念から「好き好き大好き」を0.7に設定
  • A子ちゃんが酔っ払った時に出た方言から都会人の彼氏がひいてしまったかもしれないと考え、「普通」を0.2に設定
  • 「嫌い」ならデートだってしないでしょう?その信念から「嫌い」を0.1に設定

 

分母の”良”を得る確率を出します。

 

加法定理で分母0.65が出ました。

 

 

他の事後確率も出して整理します

これでそれぞれ出ました。

1回目のデートで”良い”印象は「好き好き大好き」という彼氏さんのA子ちゃんへの想いから生まれた可能性が高いことがわかります。

 

次は2回目のデートで出た”悪い印象”のデータから推定します

 

2回目のデートでの検証では、1回目のデートで得られた事後確率が事前確率になる。

↓ベイズ更新

彼氏さんがA子ちゃんを「好き好き大好き」と想っている確率が0.7から0.8にアップして、「普通」や「嫌い」の確率がダウンしていることがわかりますね!

 

2回目のデートで”悪い印象”というデータが出ました、このデータから彼氏さんはA子ちゃんをどう感じているのでしょうか?

  • 1回目のデートでの結果で出た事後確率が2回目の事前確率になる
  • 尤度は変わらない

 

悪い印象を得た時に「好き好き大好き」である確率を推定します。

 

分母であるP(悪が得られる確率)

出ましたね。

 

事後確率を整理する

 

そしてこれは第3回目のデートでの事前確率になります。

このように”良い印象”, “悪い印象”という結果となるデータから、原因となる「好き好き大好き」「普通」「嫌い」の確率を更新することが出来ます。

彼氏さんがA子ちゃんを「好き好き大好き」と想っている確率は0.7から下がってしまいましたが、どんどんデートして精度をあげていきましょ~!

 

 

ナイーブベイズフィルタ

迷惑メールフィルタリング

あるメールに「有効期限」「無料プレゼント」「政治学」のワードが本文に含まれている場合に、このメールが迷惑メールか通常メールか振り分けたい。

 

事前確率

世の中に流通するメールの0.7は迷惑メールで、0.3が通常メールであるとして設定

 

尤度

尤度も主観でざっくりと設定

// 尤度は事後確率や事前確率はすべてを足すと1にならなくてはいけないが、「有効期限」など尤度に関しては各項目で迷惑尤度 + 普通尤度でそれぞれ1にならなくて良い。

 

迷惑メールらしさと普通メールらしさの比較なので、分子の大小のみで比べても結果は変わりません。

だから分子のみを比べることで計算を簡略化します。

 

  • 「有効期限」「無料プレゼント」「政治学」が含まれるメールが迷惑メールである確率
    0.7 × 0.8 × 0.1 × 0.7 = 0.0392
  • 「有効期限」「無料プレゼント」「政治学」が含まれるメールが普通メールである確率
    0.2 × 0.1 × 0.9 × 0.3 = 0.0054

迷惑メールである確率0.0392 > 普通メールである確率0.0054

迷惑メールである

 

備考

  • 単語間の相関関係は実際にはありますが、ナイーブベイズフィルタでは無視して考えます。
  • 迷惑メールかどうかの判断は赤玉を取り出した箱の例と変わりません。迷惑メールの箱から赤球を取り出したと考えることが出来ます。

 

 

MAP推定

Maximum a posteriori. 「事後確率が一番大きいものが最もよく発生する」と推定する。

例) 米の生産地

あるお米を食べて”モチモチしている”と感じた時に、「コシヒカリ」, 「あきたこまち」, 「ササニシキ」のどれが最も確率が高いか?

 

尤度

お米の特徴から”モチモチしている”尤もらしさをざっくり設定

// 尤度の合計を1にしていますが、1にする必要はないです。

 

事前確率

生産量からざっくり設定

 

モチモチしていると感じた時に、コシヒカリである確率

0.4と出ました、他の品種に関してもベイズの展開公式を利用して同様に行います。

MAP推定の考え方として、事後確率が一番高い「あきたこまち」がモチモチしていると感じたお米の品種である確率が高いとされます。

 

 

ベイズ意思決定

雇用統計の発表によって実際の景気と、どの金融商品を選んだら良いかを考えます。

  1. 雇用統計の発表によって実際の景気の事後確率を算出
  2. 事後確率から金融商品の期待値を算出

 

 

尤度

雇用統計の発表によって好況, 不況の尤度を設定

 

事前確率

過去10ケ月間の実際の好況、不況の割合から設定

 

金融商品

 

良い統計が発表された時に好況になる事後確率

 

良い統計が発表された時に不況になる事後確率

 

悪い統計が発表された時に好況になる事後確率

 

悪い統計が発表された時に不況になる事後確率

 

事後確率

 

 

期待値を出す

 

 

期待値が出る

  • 良い統計発表の時は金融商品Cを買う
  • 悪い統計発表の時は金融商品Bを買う

 

 

ベイジアンネットワーク

ベイジアンネットワークの利点は、判断となる処理の過程が見えること。

ディープラーニングは判断の過程と予測の過程がブラックボックスになる問題があり、判断が間違っていた場合に人間にはAIが下した判断の過程がわからないので修正が難しい。

>写真や画像を無料で保存できるGoogle Photosには機械学習が使われており、類似のコンテンツ認識し、自動でラベル付きで分類してくれます。2015年にこのGoogle Photosが黒人を「ゴリラ」とラベリングしたことが大きなニュースとなりましたが、2年たってどれだけ画像認識技術が進歩したかがチェックされたところ、「Google Photosはゴリラを見えないものとしている」ということがわかりました。

@see Gigazine Googleはゴリラ画像を検索結果からブロックしている

 

 

警報機の例

// 確率変数で、0は何も起こらない、1は確率変数が発生することを意味します。

例題

  • 振動によって感知する警報機がある、この警報機は泥棒でも地震でも上記の確率でアラートする。
  • 警報機がアラートすると犬はわんわん鳴く
  • 警報機がアラートすると管理人は警察に通報することになっている
  • ただし犬はお腹が減ればわんわん鳴く。
  • 管理人は海外ドラマに夢中になると警報機に気付く確率が下がりがちになるようだし、警報機のアラートが鳴った気がして通報してしまうこともあるみたいだ。

 

① 泥棒が入り、警報機がアラートを出して、管理人が通報する確率はいくつか?

通常の確率計算を行います。

  • 泥棒が入る確率 P(泥=1) = 0.02
  • 地震が起こらない確率 P(地=0) = 0.9
  • 泥棒が入った時に警報機がアラート出す確率 P(警=1∣泥=1) = 0.9
  • 警報機がアラートを出した時に管理人が通報する確率P(管=1) = 0.7

0.02 × 0.9 × 0.9 × 0.7 = 0.01134

1%

 

 

②管理人が通報した時に、実際に泥棒が入っていた確率はいくつか?

ベイズの定理を利用します。

事後確率 P(泥=1∣管=1)を求めるのに必要な確率

  1. 事前確率 P(泥=1)
    泥棒が入る確率
  2. P(管=1)
    管理人が通報する確率
  3. 尤度P(管=1∣泥=1)
    泥棒が入った時に管理人が通報する確率

 

事前確率 P(泥=1) 泥棒が入る確率

表より0.02

 

P(管=1) 管理人が通報する確率

  • 警報機のアラートがない時に管理人が通報する時
    P(管=1∣警=0) × P(警=0)
  • 警報機のアラートがあって管理人が通報する時
    P(管=1∣警=1) × P(警=1)

P(管=1) = P(管=1∣警=0) × P(警=0) + P(管=1∣警=1) × P(警=1)

= 0.02 × P(警=0) + 0.7 × P(警=1)  ・・・①

 

P(警=1),P(警=0)の確率がそれぞれ必要

P(警=1)
= P(警察=1∣泥=0,地=0) × P (泥=0) × P(地=0)
+ P(警察=1∣泥=0,地=1) × P (泥=0) × P(地=1)
P(警察=1∣泥=1,地=0) × P (泥=1) × P(地=0)
+ P(警察=1∣泥=1,地=1) × P (泥=1) × P(地=1)

= (0.06 × 0.98 × 0.9)
+ (0.2 × 0.98 × 0.1)
+ (0.9 × 0.02 × 0.9)
+ (0.94 × 0.02 × 0.1)

= 0.0906 ・・・②

 

P(警=0)

= 1 − P(警=1)
= 1 − 0.0906
= 0.9094 ・・・③

 

②, ③を①に代入する
0.02 × P(警=0) + 0.7 × P(警=1)  ・・・①

 

(0.02×0.9094)+(0.7 × 0.0906)
0.081608

 

  1. 事前確率 P(泥=1) 0.02
    泥棒が入る確率
  2. P(管=1) 0.081608
    管理人が通報する確率
  3. 尤度P(管=1∣泥=1) 0.9
    泥棒が入った時に管理人が通報する確率

P(泥=1∣管=1) =0.9×0.02/0.081608

=0.22056661111
22%

 

 

ノード

  • 原因となるものを親ノード
  • 結果となるノードを子ノード

 

マルコフ過程(Marcov Process)

将来の状態(管)は現在の状態(警)からしか依存しないことをマルコフ過程、取りうる状態が有限なものをマルコフ連鎖(Marcov Chain)という。

 

 

鶏もものまよぽん

 

 

 

材料(1~2人前)

具材

  • 鶏もも220g
  • たまねぎ1/2
  • 塩少々

 

 

まよぽんソース

  • マヨネーズ 大さじ1
  • ポン酢大さじ1

混ぜ合わせてまよぽんソースを作っちゃお~!

 

トッピング

  • 刻み葱少々

 

 

お料理するよ!

  • 鶏ももを食べやすい大きさに切って、塩を少々振って揉みます。
    まよぽんで最終的に味付けするので気持ちで大丈夫。
  • たまねぎ1/2は薄切りにしておきます。

 

 

 

サラダ油をひいたフライパンに鶏ももを投入。全体に火が通るまで焼きます。

 

 

たまねぎを入れて、適度な歯ごたえで美味しく食べれるぐらいまで炒める。

 

 

まよぽんソースを投入、湯気が酸っぱい。

酸味をしっかり飛ばしながら絡めて炒めましょ~!

 

 

完成なのだ

刻み葱少々をぱらぱらっとふりかける。できあがり~!

まよとぽんずの酸味は飛んでいてとてもクリーミーな一皿。

 

 

ナスのしそ味噌炒め

 

材料

なす1本、挽肉50グラムが1人前

 

以下は2~3人分

  • 中なす3本
  • 牛豚合挽き肉100~150g
  • しそ10枚くらい
  • スライスにんにく一掴み
  • ごま油適量
  • エバラコチュジャンダレ大1(豆板醤、テンメンジャン、コチュジャン)
    *コチュジャンダレがなければ
    辛口焼肉のタレ大1と豆板醤単品を少々で代用
  • 酒大1
  • 水1
  • みりん大1
  • 砂糖小さじ3
  • 唐辛子適量
  • かたくり粉適量
  • 中華スープ調味料(ウェイパー、鶏がらなど

 

◆しそ味噌作り

  • 味噌大1.5
  • 水大1
  • みりん大1
  • 砂糖小さじ3
  • しそ7-8枚
  • 酒大1
  • ごま油大0.5(多すぎるとごま油味になってしまう)
  • 醤油大小0.5(あくまで味噌味なので少なめ、多すぎると苦くなる)これらを混ぜ合わせるとしそ味噌になります

 

お料理するよ!

まずフライパンに油をひいて
スライスにんにくを加えた後に挽肉を炒める。
茄子を乱切りにして、水気をきって
挽肉が炒めおわったところに、茄子を加えて
中華スープ調味料(ウェイパー)を少々加えて
しそ味噌’を入れ
エバラのコチュジャンだれ
(コチュジャン、豆板醤、テンメンジャン)又は焼肉タレ辛口と豆板醤
を適量加えて旨辛味を加えて
茄子がしんなりしてきたら、火をとめて
かたくり粉を木ベラの上に少し置いて
ヘラの上でフライパンのソースや挽肉と合わせながら
スプーンを使って少しずつ溶かし混ぜて加えていく(お味噌汁でお味噌を溶かす感じ)
こうするとだまにならない。
火をつけて仕上げる。

お皿に移して
しそ2枚を細かくきって上に盛り付けて完成

 

 

 

 

 

しめじとアボガドの和風めんつゆスパゲティ

 

 

材料(2人分)

具材・ソース

  • しめじ 1パック
  • めんつゆ(2倍濃縮) おおさじ8
  • アボガド 1つ
  • たまねぎ1/4

 

スパゲティ

  • スパゲティ 200g

 

トッピング

  • かつおぶし 少々

 

 

お料理するよ!

  1. たまねぎ1/4を薄切りにしてめんつゆに浸して数分待つ
  2. アボガドをスプーンでくりぬいて潰してしめじと合わせる

 

 

  • サラダ油引いてフライパンを温める
  • めんつゆたまねぎを投入
    しなーっとなるまで炒めるよ!
  • 平行してスパゲティをゆでます

 

 

 

  • アボガドしめじと合わせる
  • アボガドをとろけさせよう

 

 

ゆで上がったスパゲティと合わせます

 

 

トッピングにかつおぶしをふってできあがり~!

 

最後の晩餐 12使徒まとめ

福音書や伝承が基本なので諸説がいりまじっていて、どの学派とかは特になくまとめています。

 

 

最後の晩餐

晩餐でイエスは12使徒の中で裏切りを起こすものがいるとし、「あなたがしようとしていることを、今すぐしなさい」と指示した。更にこの苦難によって弟子達が逃げ散ることを予言を行った。

その翌日にイエスはユダの裏切りによってユダヤ教の指導者に引き渡されたとされる。

 

キリスト教と医療

聖書には聖なる油とする香油の調合方法やいつそれをすべきかをモーセに伝授したとされます。

イエスは香油として大麻医療を用いて、当時は聖職者や王といった特権階級しか受けれなかった医療を民間へ広め、それが奇跡として伝承として残っているのではないかという説があります。そしてこの救済によって民衆の支持をがっちり得たと考えられます。科学に裏打ちされた救済と福音がキリスト教の布教を支えたと考えています。

 

 

福音書記者

福音書はイエスの言行録で4文書があり新約聖書に取り入れられている。「福音」は良い知らせの意でイエスの再臨、救済を示す。

  • マタイ(人間、天使)
  • ヨハネ(鷲)
  • マルコ(ライオン)
  • ルカ(牛)

福音書としてイエスの教えを広めた、それぞれの福音書にはシンボルとなっている動物がいる。

 

シンボルイメージ

  • 天使
    人間性

  • 太陽を直視出来る動物とされる
  • ライオン
    威厳

  • 犠牲、いけにえ

 

洗礼者ヨハネ

イエスが誕生する以前の最大の預言者。

イエスに洗礼を行った、指先は「再臨のイエス」を示す。

 

ヨハネの回心

>ヨハネが求めた「悔い改め」とは道徳的な改心ではなく、むしろ従来の当時のユダヤにおける人間の生活上の価値基準を180度転換すること、すなわち文字通りの「回心」であった。ヨハネは、ファリサイ派など当時のユダヤ教の主流派が、過去において律法を守って倫理的な生活を送ってきたことを誇り、それを基準として律法を守らない人びと、あるいは貧困などによって守りたくても守ることのできない人びとを、穢らわしいものとして差別し、蔑む心のありようをと考えた
@see Wikipedia

 

サロメ

サロメが踊りの褒美に聖人ヨハネの首を要求したことで、洗礼者ヨハネは斬首されてしまう。

 

キリスト復活後の使徒達の行方

ヘロデ王によって最初に殺された使徒ヤコブは聖書で唯一殺されたことが記され、教会の伝承によると他の使徒達は宣教の中で迫害により殉教したとされる。

 

 

ヤコブ兄弟

  • イエスの異母兄、異父兄、または実弟
  • ゼベダイの子のヤコブを大ヤコブ、アルファイの子であるヤコブを小ヤコブと伝統的に呼ぶ

諸説あるがイエスの近親者であることは間違いないとされる。

 

 

イエスと12使徒

 

バルトロマイ

  • アルメニアで殉教、全身の皮を剥がされた。
  • 最後の審判で自身の皮を持ちイエスの足元に立つ

 

 

(小)ヤコブ

  • 初代エルサレムの司教
    イエスの生前はあまりイエスの行動に理解が出来ないでいたが、イエス再臨の再開後に豹変したようで、エルサレムで指導的立場にまでなった
  • アルファイの子であるヤコブを小ヤコブと伝統的に呼ぶ
  • 62年に処刑され殉教

 

 

 

ペテロ

  • 12使徒の統率者、キリストと親しく最もキリストの近くにいた人物
  • ペテロの裏切り
    処刑されるキリストの使徒であるかとの問いに、命を惜しみ否定し後に悔いた
    キリストが最高法院で裁きを受けていた時に中庭で見ていたペテロは見物人に問われた時に否定した。三度目に「あの人を知らない、あんな人の弟子ではない」と誓った時に鶏が鳴いた。イエスはペテロのこの裏切りも予見していた。
  • 復活したイエスによって罪を赦されたペテロは再び弟子となり、ローマやパレスチナで布教を行い最後はネロ帝により磔にされ殉教した

 

 

 

聖アンデレ

  • 伝承によるとX型の十字架にかけられ殉教した
    // X型の十字を「アンデレ十字」と呼ぶ

ヨハネの福音書によると、

  • 洗礼者ヨハネの弟子
  • 洗礼者ヨハネによる「イエスは神の子羊である」という言葉に従い、師と共に弟子となった

 

ユダ

  • 裏切り者のユダ、イスカリオテのユダ
  • 銀30でイエスを引き渡し、後に悔いて首をつって自殺

 

裏切った理由

  • イエスの教義とユダが今求めるものの落差に失望を感じていた説
  • イエスが命じイエスの真理によって実行した説
    イエスは「あなたがしようとしていることを、今すぐしなさい」とユダに指示を行っている

 

ユダの接吻

ユダヤ祭司長に誰がキリストであるか接吻によって示した、愛による行為である接吻が背徳を示した

 

ユダが裏切らなければイエスは殺されなかったのか?

遅かれ殺されただろう、ユダヤ祭司長や指導者の間でイエスの殺害は相談されていたし、弟子達は不穏な空気を感じていたと考えられる。そうなると、イエスの処刑にユダの裏切りは必要なかったことになる。裏切りとしてもユダがしたことは引き渡したことだけなのだ。ユダヤ教体制を批判し神の教えを説いていたイエスはユダヤ教指導者の中で既に処刑に動くだけの要件が揃っていた。

 

イエスが命じイエスの真理によってユダは実行した説

イエスは自分が殺される運命を予知したうえで「あなたがしようとしていることを、今すぐしなさい」とユダに指示を行ったとされています。人類を救済する為にはイエスは処刑されなければならず、ユダはイエスの真理に自己犠牲によってただ尽くしその愛を接吻によって示した。

 

イスカリオテの諸説

  • 暗殺者
  • イーシュは男、ユダヤ地方カリオテ出身の男
  • アラム語で「嘘つき」「偽善者」
    // イエスや弟子達はアラム語を使っていた(またはヘブライ語という説がある)

13番目の使徒?

  • 13番目の使徒は間違い
    ユダは12番目の使徒、ユダが死にマティアが13番目の使徒になった。

銀30の価値

  • 80万円程度
  • 奴隷1人が買える値段

 

 

 

使徒ヨハネ

  • イエスの愛弟子
  • 洗礼者ヨハネとは別人
  • 福音書、3つの書簡、黙示録を著す

 

毒杯

信仰を示すなら毒杯を飲み干せと命じられ、飲み干したが生きて示した。また毒杯で死んだ2人をも生き返らせた

 

ヨハネの黙示録

迫害される諸教会に対して、最後の審判、キリストの再臨、神の国の到来、信仰者の勝利という内容で警告と激励が記されている。

 

 

イエス

  • ジーザスクライスト
  • 磔刑での処刑の3日後に蘇った

 

イエス(キリスト)の裁判

ユダヤはローマの支配下の属州であり処刑する権利がなかったので、ユダヤ教での宗教裁判の後にローマに引き渡され別の裁判としてイエスは裁かれている

ユダヤ教の宗教裁判
  • 神の御子、メシアであるとの宣言の嫌疑によって裁判が行われた
ローマの裁判
  • 反乱をおこすように先導し、脱税を促し、自らを王とすることを企んだとする嫌疑によって裁判が行われた
  • 「わたしはこの男に何の犯罪も見いだせない」
    ユダヤ属州総督ピラトはイエスを処刑する理由を見つけられなかったのでムチ打ちのみで済ませようとしたが、「イエスを磔にせよ」という群衆の声によってイエスの処刑が行われることになった、不当な裁判であった。

 

十字架の磔刑とローマへの布教

  1. 即死せず長時間苦しむ為、刑の中で最も重くローマ帝国に対する反逆者のみが適用される悲劇性
  2. ユダヤ教指導者によってイエスの裁判が行われ、支配下のローマでも裁判と処刑が実行されたこと

ペテロとマタイによる布教によってローマの下層民にキリスト教が人気になったが、要因としてイエスの磔刑の悲劇性によってローマ市民に贖罪の意識を強く与えたと考えられる。

  • もし一般的な処刑方法で殺害されていたなら
  • もしユダヤ教の裁判によって処刑されていたなら

ここまでキリスト教が広まらなかったかもしれない。

 

ミラノ勅令

  • 313年 ローマ帝国で迫害されていたキリスト教がミラノ勅令によって認められる
  • 392年 キリスト教がローマ帝国の国教となる

 

 

トマス

(キリストの復活を確認する懐疑のトマス)

「あなたの指をここにつけて、わたしの手を見なさい。手を伸ばして、わたしのわきに差し入れなさい。信じない者にならないで、信じる者になりなさい。」

 

イエス曰く「見たから信じたのか、見ないで信じるものは幸いである」

イエスの復活を知らしれる為にイエスは弟子たちに姿を見せる必要があった。トマスは復活したイエスを受け入れられなかった。「証拠を見せて欲しい」イエスの傷跡に触って初めて復活を受け入れた。

見てから信じるのは当然で、信仰は信じるからビジョンとなって見えてくるものだという教え。

 

宣教の道中で槍に刺され殉教。

 

(大)ヤコブ

  • キリストの復活の時にその場にいなかったことから信じなかったが、キリストが彼の前に立ち復活を示した
  • ゼベダイの子のヤコブを大ヤコブと伝統的に呼ぶ

 

 

フィリッポ

  • スキタイ地方を巡礼し福音を説いた
  • 礼拝されていた竜を十字架によって追いだしたことで処刑された

 

 

転向者マタイ

  • 福音書の第一著者
  • 当時金を扱うことで嫌われていた徴税人であった彼の隣にイエスは座り弟子にした
  • エチオピアで刀傷により殉教

 

収税人

  • ユダヤの支配国であるローマに毎年決まった税額を支払うが、税の徴収方法は収税人に任されていた
  • 収税人はローマの手先であり、裏切り者と忌み嫌われた

 

「なぜ、あなたたちの先生は収税人や罪人と一緒に食事をするのか」と言われ傷ついたマタイ

キリスト曰く「医者を必要とするのは、丈夫な人ではなく病人である。 『わたしが求めるのは憐れみであって、いけにえではない』とはどういう意味か、行って学びなさい。わたしが来たのは、正しい人を招くためではなく、罪人を招くためである。

 

 

タダイ

  • キリストの死後にタダイとシモンは福音を巡礼して国々を回った
  • ペルシャで殉教

 

熱心党のシモン

  • キリストの死後にタダイとシモンは福音を巡礼して国々を回った

 

熱心党

イエスの時代に存在したユダヤ教の政治的宗教団体

 

 

古典美術でのキリスト教

古典絵画は貴族と神話、宗教画がほぼで描かれるモチーフも限定的なのでキリスト教をざっくり知っていると美術館に行った時に楽しむ手助けになるかな。

製作者の違いで同じ聖人やシーンでも表現の違いが大きく、宗教画として表現が制限された要件のなかで製作者のアーティスト性を見ることが出来ます。

許すこと

「母が喜んで泣いていた、花嫁衣裳を譲るって」

「私には着られないわ、お母さまとは体のつくりが違うし」

「直せばいい」

「だめよ、実は結婚できないの」

「どうして?」

「だって、本当は金髪じゃないの」

「いいさ」

「煙草も吸うのよ」

「いいよ」

「サックス吹きと3年も暮らしていたの」

「許す」

「子供が産めないの」

「養子を」

「分かってないな、俺は男だ」

「完全な人間はいない」

 

>ギャングから逃げるために女装をして女性楽団に潜り込んだジョーとジェリー。ジェリーはなぜか富豪に見初められ、猛烈なアタックを受けることに。「本物の金髪じゃないのよ」「タバコも吸うわ」など、どれだけのマイナス要素を語ったところで、愛の前では意味をなさない。「男なんだよ!」と打ち明けても、富豪は「完璧な人なんていやしないさ」とケロリと言ってのける。強く励まされると同時に、相手にも完璧を求めてはならないことを知ろう。「長所+欠点」がその人を形作り、それを丸ごと包むのが愛。

@see http://eiganokotoba.jp/M208

 

 

DockerでWordPressコンテナ作成 CentOS7

Docker + WordPress + CentOS7のインストール

寄稿しました。

 

 

 

はい、くじらさん可愛らしいね。

 

 

セミナー用に作成しました。

 

 

SELinux無効化

 

再起動

 

ポート解放

 

Dockerのインストール

 

docker-composeコマンドインストール

 

WEBディレクトリの作成

 

Dockerfile作成

 

イメージ化

 

docker-compose.ymlの作成

 

ビルド

 

http://IPアドレス/

 

操作

プロセスの確認

 

 

すべてのコンテナを停止させる

 

すべてのコンテナを削除する

 

終了 クリーンアップ(データは残る)

 

DBデータも削除する場合

 

 

 

 

AWS SSMでSSHクライアントレス

AWS SSM

 

 

寄稿しました。

 

Amazon Linux2に標準でインストールされていて、クライアントサーバを操作する際にSSHクライアントを使わずにSSMの実行サーバから一斉に処理をかけるといったことが可能です。

 

環境

  • OS: Amazon Linux2

EC2構成

  • SSM実行サーバ
    SSM-Manager
  • SSMクライアント
    SSM-Client1
    SSM-Client2
  • SSMクライアントタグ
    tag:SSM
    value:demo

タグでグループ化します。

 

EC2 IAMロール

  • ロール名
    EC2-SSM-Role
  • ポリシー
    AmazonEC2RoleforSSM
    AmazonEC2FullAccesss

 

IAMユーザ

  • プログラム用アクセスユーザ
  • アクセス権限
    AmazonSSMFullAccess

 

SSMマネージャ設定

SSMの管理用のサーバからコマンドを打てるようにします。

 

aws configure

ユーザを適用します。

 

 

一覧取得 SSM管理対象インスタンス

これで一覧が取得出来てなかったら、ロールの適用を行えていない可能性が高い。

 

タグでSSM、値をdemoとグループ化したインスタンスに”df -h”を実行します

 

コマンドIDから結果を取得出来ます。

 

ssm-sh

goのインストール

 

ssm-shのインストール

OSSなので自己責任でお願いします。

SSM-SHのインストールの確認

ヘルプが出てきたらOK

 

インスタンスに入ってコマンドの実行

 

SSMを利用するとクライアントサーバに致してSSHクライアントレスでコマンドを打つことが可能です。

お疲れ様です。

 

AWS RDSからAuroraへの移行

Auroraファースト

@see 賭博黙示録カイジ

最初からAuroraを使うのだ!

あるいは使わないのだ。

  • 「下手にコストを考えて小出しにRDSを使うのはダメなんだ
    →それならEC2にDBサービスを入れる戦略を取る
  • コストを気にして下位のRDSを採用するぐらいだったら使わない
    →WEBサーバがクラスタ構成、DBにリードレプリカが必要になってからRDS, Auroraを採用する
    どんなサイトやシステムでもRDS, Auroraを利用するのは良くない
    →コスパの良いサーバなら、さくらの専用サーバを検討してみる
  • 嘘じゃない、かえってストレスがたまる。やる時はきっちりやった方がいい・・・!
    RDSを利用することによる運用負荷は無視できない。
    自動バックアップ対策のMulti-AZ、メンテナンス対応、キャパシティプランニングやチューニングに時間を使うぐらいならシンプルに「Aurora」を利用する
  • 困難をお金の力で解決する
    有限な時間とリソースをビジネスに集中させ、素晴らしいユーザ体験を提供する。素敵だ。
  • Auroraを使うことで、「RDSではなくて、これがAuroraだったらな」がなくなる。
    RDSでは起こりAuroraでは起こらない、一時的なクエリの詰まりといった不具合が発生する場合がある。

RDSは高いのでなんとなく下位のインスタンスで稼働していることが多く、スペック不足から障害になっているケースがよくあります。

 

 

Auroraの良いところ

  • RDSと比べた場合の処理性能の向上
    MySQL処理性能5倍、PostgreSQLなら3倍
  • 負荷分散が必要な場合構成がシンプル
    書き込み、読み込みエンドポイントが標準で用意されている
    RDSだとRoute53+ヘルスチェックで設定する手間がなくなりシンプルになる。
  • パフォーマンスインサイト
    詳細なモニタリングが出来る
  • ゼロダウンタイムパッチ
    アプリケーションのセッションが切断されない

 

Auroraでの注意点

  • クラスタ用とインスタンス用で2つにパラメータグループが分かれている
    ・”クラスタ用 = ストレージ”と考える
    ・Auroraはインスタンスとストレージに分かれている
  • 圧縮テーブルを非サポート
    row_formatが”Compressed”は受付ない。”Compact”などにALTER TABLEなどで変換しておく
  • 移行前にtime zoneを確認
    明示的にJST(Asia/Tokyo)に指定しておく
  • ゼロダウンタイムパッチとアップグレードのダウンタイム

 

Auroraのアップグレードの挙動

ゼロダウンタイムパッチ(ZDP)

  • 5秒程度スループットが低下する
  • アプリケーションのセッションは維持されるので安心

通常のアップグレードの場合は30秒程度ダウンする

 

ゼロダウンタイムパッチが無効になるケース

  • 長期実行クエリまたはトランザクションが進行中である
  • バイナリログが有効になっているか、バイナリログのレプリケーションが進行中である
    パラメータグループで「binlog_format」がoffになっているか確認して、offなら無効になっているのでOK!
  • オープン SSL 接続がある
  • 一時テーブルまたはテーブルロックが使用中である
  • パラメータの変更が保留中である

@see AWS

 

Auroraアップグレードの動作順序

  1. マスターがアップグレードされる、
    スループット5秒程度低下
  2. Readerが複数台の場合は全台同時にアップデートされる
    30秒程度ダウン

Auroraアップデートの挙動 ZDPが動作しているかの違い

  • ZDPが動作している
    更新系は5秒程度のスループット低下、参照系は20~30秒ダウン
  • ZDPが動作しない場合
    更新系、参照どちらも20~30秒ダウン

これらの20~30秒のダウンはMulti-AZ構成でも発生するので注意したい

 

 

RDS for MySQLからAuroraへ

制限事項

 

 

方法

1. mysqldumpでAuroraにリストアする

2. RDSのスナップショットからAuroraに移行する

  1. アプリケーションをメンテナンスしてDBへの書き込みを止める
  2. 最新のスナップショットを取得する
  3. スナップショットを選択して、「スナップショットのアクション」から「スナップショットの移行」を選択する

 

スナップショットを選択して、「スナップショットのアクション」から「スナップショットの移行」を選択する

 

 

選択しよう

 

 

他の手段

リードレプリカを利用してレプリケーションからAuroraに同期をかける

 

 

RDS for PostgreSQLからAuroraへ

 

方法

  • RDS for PostgreSQLのダンプデータから移行する

※MySQLのようにスナップショットからAuroraへの移行が出来ない(2019年01月18日時点)

 

考慮点

RDS for PosgreSQLからAuroraに切り替える場合

  • RDSと比べるとコストが多少あがる
  • インスタンス選択出来る種類がとても少ない
    // r系のみ選択可能
    // 最小インスタンスはdb.r4.larage 2CPU 7ECU メモリ15.25GB (28,000円/月)
  • RDS for PostgreSQLはスナップショットからAuroraに移行出来ないので、ダンプデータからAuroraを作成する必要がある
    // MySQLのRDSであればスナップショットから移行が簡単
  • 動作確認が必要

 

情報の非対称性と冬のテラス席

 

情報の非対称性

  • 売り手と買い手が互いに真実の情報を得ることが難しい為に情報格差が発生し、適切な判断に基づく取引が出来なくなる状態
  • 売り手側は買い手側より本当の情報を知っていることが常で、ほとんどの場合で買い手側が購入前に得られる情報は少ない
    例外) 質屋
  • 売り手と買い手双方に正しい情報が共有されれば市場原理は適切に働くとされるが、現実的には詐欺を行ったりする人間や、情報の隠ぺいによる情報格差を利用して不当に儲けようとする業者がいるのでフェアなトレードが困難になっている
    例) 粉飾決算, 中古車売買

 

 

例) .  「店内とテラス席どちらが宜しいですか?」冬のテラス席

店内とテラス席を備えた冬のレストラン

 

買い手側(客)

  • どのようなテラスなのか、またヒーターが備え付けられている情報を知らないので、すぐに答えようとすると無難な「店内」を選択することが多くなる
  • 客の中にはカップルも多く、テラス席にヒーターがあり快適であることを知っていればムードを重視してテラス席を選択していたかもしれない。しかし情報を正しく把握出来ていない為にリスクを避けようという心理から「店内」を選ぶことが合理的な選択肢になる

売り手側(店)

  • テラス席にヒーターを設置したり、イルミネーションによってお客さんを楽しませよう、もっとお店を使って貰おうと投資しているにも関わらず、情報が買い手と共有されていないことで外のテラスは空席が多くなる

店の価値が売り手と買い手で共有出来ていないことで、買い手側は適切な選択が出来ない。

 

情報の非対称性の解決として

  • 売り手側(店)
    「ヒーターやクリスマスのイルミネーションがありカップルに人気」など広報を行う
  • 買い手側(客)
    「店内」と「テラス席」を内覧してどちらが本当に自分達にとって良いか情報を得てから選択を行う

情報の共有がしっかり行われれば最適な選択が可能になる

 

 

例) 自動車保険

加入者一人一人の運転能力を調査して見極めることが難しい。だからAさんが優良ドライバーであっても、保険会社はAさんが優良ドライバーであるかどうか見極めることが難しいので、最悪の想定を考えて保険料は高めに設定される。

不良ドライバーを排除して、優良ドライバーのみ集客出来れば保険会社は保険料金を低く設定できて適切な取引を行えるが現実は難しい。

保険料を安く設定すると不良ドライバーが多くて困るし、高く設定すると優良ドライバーに他社を選ばれる。

逆選択

保険は一部の不良ドライバーを多数の優良ドライバーの保険料によって支える形になりますが、不良ドライバーを考慮してリスクを低くしようと保険会社が保険料を引き上がると優良ドライバーにとって割高になります。

本来多く集めたい優良ドライバーには保険料の割高感によって敬遠され、事故をたくさん起こす可能性が高い不良ドライバーの加入者が多く集まってしまう、これを「逆選択」という。

 

情報の非対称性の解決として

この場合は売り手である保険会社が加入者の情報を適切に知ることが出来れば、保険料を適切に設定出来て解決となります。

保険会社は運転技術を判定する機械を加入者との契約前に車に取り付けることで運転技術やマナーをスコア化し、そのスコアによって加入者それぞれに保険料を設定することが可能になる

 

 

例) アンチエイジング化粧品

買い手側(客)

  • 化粧品の効果がわからない状況だと、安いものは効果に不安がある。A化粧品の広告には良いことばかりが載っているし、本当に効果があるのかどうかわからない。
  • だから「高いブランドの品を買っておけば間違いは少ないだろう」となる、本来は安くて良いA化粧品を選択出来ない。

 

売り手側(メーカー)

  • 売り手側のメーカーも、安くて良い製品をお客さんに届けたいのに買い手が安すぎる製品は敬遠されてしまうので、値段を高めに設定せざるを得なくなる。
  • 値段が高いと売れる数も少なくなるし、多くのお客様に提供出来ない。

 

 

情報の非対称性の解決として

  • 買い手側は友達や知人の口コミを参考にする
  • 売り手側は客観的な情報や、公的な第三者の調査など科学的に公正な情報を提供する

 

 

 

情報の非対称性の悪用

詐欺師は情報の非対称性を利用して詐欺を行う

例) 地面師事件

 

 

実際以上の誇大広告

  • 広告によって需要は生みだされますが、様々なサービス、例えば健康食品の中には科学的根拠のない、人を騙すような過剰な宣伝が横行しています。
  • 誇大広告でも一定数を騙すことが出来るので誇大広告が氾濫し、広告の信頼性が揺らいで市場原理が働きにくくなります。
  • 大企業の広告でもイメージ広告を大々的に売って、小さな文字で例外に対する注釈が添えて体裁を整えるのは常となっています
  • 業者による嘘の口コミ投稿、人工的なソーシャルマーケティング

誇大広告や詐欺にひっかかる人は一定数発生するので短期的には商品が売れてしまうので詐欺がなくならない。それによって情報への信頼性が低下し、商品への適切な評価を行うことが難しくなり市場の失敗が起こります。

もし純粋無垢な人がネットをお散歩したなら「破滅する」状況になっています。これはとても恐ろしいことですよね・・・(;•̀ᴗ•́)۶破滅しない為には否応なく広告や情報に対して疑うことを余儀なくされているって悲しい世界。広告を見た時に感じるストレスの要因の1つでもあります。

 

 

広告の信頼性低下に伴う広告側の対応として

ただの有名人ではなく、多くの人々に信頼性があると考えられるタレントとの商品タイアップ知人友人を巻き込んだキャンペーン信用を積み重ねて最後に広告を行うセールスレターが広告手法として盛んになっています。

信用や物語性(ストーリー)を利用することで、「広告」と人に感じさせずに広告してしまうことが広告する側のポイントになってきていて、対象者に対して信頼出来る人や身近な人を使って広告の信用度を担保したり、クラウドファウンディングなど物語に巻き込んでいく仕組みが多くなってきました。

 

 

モラルハザード

  • 保険に入ることによって、通常ではマナーの良い運転である優良ドライバーの運転が荒くなり事故が起こりやすくなること
  • 倫理感の欠如、正しい意思の欠如が原因

 

 

 

ドアインザフェイスとナンパ

 

ドアインザフェイステクニック

  1. 過大な要求を最初に行い、断られたら本命の小さな要求を行う。
  2. 断った時の依頼人に「借り」を作ったように錯覚させられるので、「返報性の原理」が働き本命の小さい要求が通りやすくなる。

 

例. ナンパ

「こんにちは。ナンパです、良かったら結婚しませんか(過大要求)」

→断られる

// 笑って貰えたら良い塩梅。グイグイいって下さい!(۶•̀ᴗ•́)۶

「ごめんびっくりするよね、つい可愛いくて。ケーキは好き?好きなんだ、良かった。なら、ケーキを食べにいこう。30分だけでいいから(本命)」

// 繁華街の終電後なら「ケーキ」を「お寿司」に変換しましょう、相手と状況で何でも良いけれど、誘う時は相手にとって魅力的な提案になるようにする。

 

ナンパのルーティーンの一つとしてどうでしょう?
声をかけて笑わせることが出来たら、印象を与えることが出来たら成功じゃないかな。

 

「こんにちは、何してるの?」で本当は十分

テクニックによる反射より、声を掛けた相手との波の揺れから生まれる自分の言葉がいつだって良いでしょう。時間帯と場所、相手の雰囲気やテンポを合わせて柔軟に相手のことを見て理解しようとすれば準備もいりません。

相手の心や体の波に合わせてこちらの言葉や体の動きも合わせて水みたいに一緒に溶け合うべきで、ルーティーンなんてものはそもそもがいらないのだけれど、ただスランプや上手くいかない時って慣れてしまって、相手のことをなにも考えなくなってしまっていたりするから、型や理論だったメソッド、なぜ成功したかという理解は原点(= 頂点)に戻る為に何事だって大切。

@see 優技録 トランス×会話

 

恋人と上手くいっている時

  • どうして上手くいったのか
  • なぜ好きになって貰えたのか
  • 自分を好きになって貰う為にどういうことをしたか

自分の中の答えとしてきちんと説明出来るようにしておく。それが出来ていないと関係を続けていく中でいつか致命的になる。

何か間違いを起こし致命的になっても原点に戻って思い返せばリカバリ出来る。

 

自分の中で答えがわかっていれば

  • 間違いに気付き改めることが出来る
  • より好きになって貰える
  • 大切に出来る

セオリーに捉われずに相手に向き合える

 

恋人にどうして好きになって貰えたか問うのはおしゃれじゃない

  • 恋人を笑顔に出来た時
  • 抱きしめて貰えた時
  • 「有難う」、「嬉しい」、「好きだ」って言って貰えた時
  • 2人で気持ち良く溶け合えた時

それはどんな時ですか?

ひとつひとつの頂点に戻って相手のことを考えれば簡単にわかる気がします。

 

 

例. お金を借りる

// 深刻な顔で頼もう

「突然びっくりすると思うのだけれど、1億くれるかな?(過大要求)」

→断られる

「ごめん、1億は欲張りすぎたね。それなら200円を貸して下さい、明日必ず返すよ。財布を家に忘れてきちゃって、もう喉がカラカラなんだ(本命)」

 

YAMAHA RTX VPN拠点間接続のプロバイダ切り替えの罠

 

条件

  1. A拠点、B拠点、C拠点で拠点間VPNで繋がっている
  2. A拠点の接続プロバイダを変更することになった

 

環境

  • YAMAHA RTX1210

 

 

良い手順と悪い手順

良い手順(A拠点に作業員がいる場合)

  1. BとC拠点にてA拠点への接続情報を予め削除しておく
  2. A拠点のB, C拠点への接続情報を削除しておく
  3. A拠点のプロバイダ情報(PPPoEアカウント)を変更
  4. BとC拠点にてA拠点への接続情報を追加する
  5. A拠点の担当者PCにTeamViewerに接続し、
    A拠点から各支店に接続を行う

5を行う時にA拠点へのリモート接続が出来なくなるが、A拠点の作業員のPCを利用して作業することで対応できます。

 

 

悪い手順

  1. Aのプロバイダ情報を変更する
  2. B拠点とC拠点にてA拠点への接続情報の書き換え

 

 

使いたくない手順(現地に作業員がいない場合)

// 拠点PCにTeamViewerが入っていない場合はこの手順は行わない。拠点にリモート接続出来なくなったら困るから、作業員か現地でリカバリ出来る人がいる状況で行うようにする

  1. BとC拠点にてA拠点への接続情報を予め削除しておく
  2. A拠点のB, C拠点への接続情報を削除しておく
  3. A拠点のプロバイダ情報(PPPoEアカウント)を変更
  4. B拠点にてA拠点への接続情報を追加する
  5. A拠点からB拠点への接続情報を追加する
  6. C拠点にてA拠点への接続情報を追加する
  7. A拠点からB拠点への接続情報を追加する

こうすれば問題は起きないが、大変。

作業員が現地におらずリモートで対応する場合はこうするしかない。

 

 

悪い手順で起こった障害

  • B拠点とC拠点がA拠点に繋がらず、拠点間VPNの接続エラーでL2TPでのリモート接続が出来なくなった。
  • BとC拠点のルータがリトライエラーを出し続ける為に、リモートアクセスが出来なくなる

 

ファームウェアのバージョンや機種もあるかもしれないけれど、良い手順を守って作業を行いたい。

 

悪い手順によって陥った障害でのリカバリ対応

  1. リモート接続出来なくなった拠点に電話
  2. 拠点PCのTeamViewerにてローカル接続し、ローカルからBとC拠点のルータにアクセスし、A拠点の接続情報を修正した
  3. 拠点間接続成功
  4. 正常動作に収束
    エラーがなくなりリモート接続も回復

 

 

モンティホール問題とベイズの定理

 

ルール

  1. A, B, Cの扉の先に正解がある
  2. まずゲストはA, B, Cのいずれかの扉を選ぶ
  3. 正解の扉を知っている司会がはずれの扉を1つ選ぶ
  4. ゲストは残った2つの扉のどちらかを改めて選ぶことが出来る権利を与えられる

 

命題

  • ゲストは最初の扉の選択を変更した方が良いのか?
  • 司会からはずれの情報を得た前後で確率は変化するのか?
  • どう選ぶのが確率として高いのか
    ・選んだ扉から変更した方が確率として有利なのか
    ・それとも選択を変えても変えなくても確率は変わらないのか

 

 

 

確率

A, B, Cそれぞれ1/3

 

 

 

ゲストはAがあたりの扉であると選んだ

 

  • Aが正解の確率 = 1/3
  • BまたはCが正解の確率 = 1/3 + 1/3 = 2/3
    // 加法定理

 

 

残りはAか、Bの扉になる、
ゲストは扉の選択を変更する権利が与えられる

 

AからBに変更した方が良いのか、それともAを選択したままにするか?

答え

変更してBを選んだほうが確率が高い

Bに変更するとあたる確率が2倍高くなる

 

 

乗法定理


A ∩ B= P(A) × P(B|A)

 

  • ジョーカーを除いたトランプから1枚引いた時に、ダイヤでなおかつ絵柄である確率

ダイヤでなおかつ絵柄であるカードは52枚の内3枚です。

 

 

  • ジョーカーを除いたトランプから1枚引いた時に、ダイヤである確率

 

  • ジョーカーを除いたトランプから1枚引いた時に、ダイヤであった時に絵柄である確率

 

  • ジョーカーを除いたトランプから1枚引いた時に、ダイヤでなおかつ絵柄である確率 = ダイヤであった時の確率 × ダイヤであった時に絵柄であった時の確率

A ∩ B= P(A) × P(B|A)
つまり、
ダイヤ ∩ 絵柄= P(ダイヤ) × P(絵柄|ダイヤ)

 

 

 

ベイズの定理による考え方

  1. 最初の状況ではゲストはどれを選んでも1/3になります。
  2. ゲストはAを選びます
  3. ここから正解を知っている司会者がはずれを選ぶことで確率が変わります

 

 

ベイズの定理の利用

乗法定理をひっくり返してイコールとして等式を作って、変形することで導出

AなおかつBが起こる確率

  • = Aが起こった時にBが起こる確率 × Aが起こる確率
  • = Bが起こった時にAが起こる確率 × Bが起こる確率

ひっくり返しても当然同じ確率

 

ベイズの定理

  • D: データ
  • H: 仮定

 

仮定. 扉Aがあたりの場合

司会が扉Cを選んだ時にAが当たりの確率
= 扉Aがあたりの時にドアCが司会者に選ばれる確率 × Aが当たりの確率 / 司会が扉Cを選ぶ確率

// 分母は共通なので分子のみで比べる

 

仮定. Bがあたりの場合

司会が扉Cを選んだ時にBが当たりの確率

= 扉Bがあたりの時にCが司会者に選ばれる確率 × Bが当たりの確率 / 司会が扉Cを選ぶ確率

// 分母は共通なので分子のみで比べる

 

結論

  • 司会の情報を得た後で、Aから変更しBを選んだほうが2倍有利になる
    // 意思決定の理論  = 情報を得て次にどのように行動するのが最適かを決める理論
  • データを得る前後で確率が移り変わる

 

 

 

@see ベイズ統計超入門

【UPS】HPE Power Protecter(HPEPP)のインストール CentOS7

 

最初は結線されていないので、前の蓋をあけて繋ぐ

 

電源をコンセントに繋ぐとモニターはつくけれど、電源マークを押すこと。

// UPSの後ろとUSBで繋がっているサーバに電気が通らないので注意

 

 

 

ここからダウンロード
https://h20392.www2.hpe.com/portal/swdepot/displayProductsList.do?category=HPPPUMS

 

 

ログインURL

  • http://IPアドレス:4679/
  • https://IPアドレス:4680/

 

アカウント情報

  • 初期ユーザ:admin
  • 初期パスワード:admin

 

 

 

 

 

UPSとサーバが直接繋がっている構成なので「Administrator」を選択して「保存」をクリックします