月別アーカイブ: 2014年5月

ベクトル・行列のコマンド

\vec{a} = (a_1, a_2, \cdots, a_n) \vec{a} = (a_1, a_2, \cdots, a_n)
\overrightarrow{ab} \overrightarrow{ab}
A= \left(
\begin{array}{c}
a_1 \\
a_2 \\
\vdots \\
a_n
\end{array} \right)
  A= \left(  \begin{array}{c}        a_1 \\        a_2 \\        \vdots \\        a_n      \end{array} \right)
\|x\|, \vec{a} \perp \vec{a}, \vec{a} \parallel \vec{a} \|x\|, \vec{a} \perp \vec{a}, \vec{a} \parallel \vec{a}
{}^tA, A^{T} {}^tA, A^{T}
\vec{a} \cdot \vec{b}, A \times B \vec{a} \cdot \vec{b}, A \times B
\left(
\begin{array}{cc}
1 & 22 \\
333 & 4 \\
\end{array}
\right)
  \left(  \begin{array}{cc}  1 & 22 \\  333 & 4 \\  \end{array}  \right)
\begin{array}{|cc|}
1 & 22 \\
333 & 4 \\
\end{array}
  \begin{array}{|cc|}  1 & 22 \\  333 & 4 \\  \end{array}
A = \left(
\begin{matrix}{cccc}
a_{11} & a_{12} & \ldots & a_{1n} \\
a_{21} & a_{22} & \ldots & a_{2n} \\
\vdots & \vdots & \ddots & \vdots \\
a_{m1} & a_{m2} & \ldots & a_{mn}
\end{matrix}
\right)
    A = \left(      \begin{matrix}{cccc}        a_{11} & a_{12} & \ldots & a_{1n} \\        a_{21} & a_{22} & \ldots & a_{2n} \\        \vdots & \vdots & \ddots & \vdots \\        a_{m1} & a_{m2} & \ldots & a_{mn}      \end{matrix}    \right)

極限・微積分のコマンド

\lim_{x \to \inf} f(x) \lim_{x \to \inf} f(x)
\limsup_{x \to \inf} f(x) \limsup_{x \to \inf} f(x)
\liminf_{x \to \inf} f(x) \liminf_{x \to \inf} f(x)
f'(x), f”(x), f^{(3)}(x) f'(x), f''(x), f^{(3)}(x)
\frac{dy}{dx} \frac{dy}{dx}
f_{x}, f_{xy} f_{x}, f_{xy}
\frac{\partial y}{\partial x} \frac{\partial y}{\partial x}
\Delta, \nabla^2 \Delta, \nabla^2
\int_a^b f(x) dx \int_a^b f(x) dx
\iint_D f(x) dx, \iiint_D f(x) dx \iint_D f(x) dx, \iiint_D f(x) dx
\oint_L \mathbf{A} \cdot d\mathbf{r} \oint_L \mathbf{A} \cdot d\mathbf{r}

数式の基本コマンド

x^2 x^2
\frac{a}{b} \frac{a}{b}
\left( \frac{a}{b} \right) \left( \frac{a}{b} \right)
|x| |x|
\sqrt{x^2+y^2} \sqrt{x^2+y^2}
\sqrt[n]{x^2} \sqrt[n]{x^2}
\sin x \sin x
\cos x \cos x
\tan x \tan x
\mathrm{e}^{x} \mathrm{e}^{x}
\ln x \ln x
\log_2 x \log_2 x
\sum_{i=0}^n x_i \sum_{i=0}^n x_i
\prod_{i=0}^n x_i \prod_{i=0}^n x_i
(本文以外では)\displaystyle \prod_{i=0}^n x_i \displaystyle \prod_{i=0}^n x_i

iTunesタイマー

iTunesは編集と音作りが楽なので、就寝タイマーさえあればなあ、と考えた。アプリもあるようだけど、geekはシェルで制御が楽だろう。

まずMacではatがデフォルトで使えないから、sudoで以下をロード。

>sudo launchctl load -w /System/Library/LaunchDaemons/com.apple.atrun.plist

 

atさえ使えれば、後は簡単。

時間を指定してiTunesを切れるようにする。

>echo “pkill iTunes” | at “HH:MM DD.MM.YY”

 

そしてスリープするとiTunesも切れるので、caffeinateというコマンドで制御。以下で1時間スリープしない。

>caffeinate -u -t 3600

またはrubyを用いて

>ruby -e “print (60+17)*60” | xargs caffeinate -u -t

このコマンドはプレゼン時にも使える。

最後にモニターは必要ないから、CTRL+SHIFT+EJECT消しておく。

 

マーケティングとビッグデータについて

マーケティングとは、消費者(需要)と製品(供給)の部分市場を見出し、価値のある部分市場に供給を行うこと

市場の代表的プレーヤー

  • 消費者
  • 小売業者
  • メーカー

マスマーケティング

  • 企業が良いものを作れば売れる
  • 平均的な顧客が対象
  • 仮説に基づくデータ収集(アンケートなどの一次データ)と分析。
  • 市場シェア獲得

マクロマーケティング

  • 顧客が求めるものを作れば売れる
  • 局所的な顧客層が対象
  • ビッグデータ(実績やweb上などの2次データ)の分析
  • 顧客シェア(製品購入金額中の自社製品)と顧客ロイヤルティ(リピート率など)を獲得

ビッグデータとは、自動的にデータベースに収集できる顧客データで、時間軸と消費量の情報が基本となる。

従来はマスマーケティング、つまり仮説演繹法による、例えば売れそうな製品についてアンケートを取り集計分析結果から製造するという方法をとっていた。しかし平均的な顧客を対象としたシェアは飽和状態になり、顧客は様々な選択肢から製品を選ぶようになった。従って顧客の消費実績データを用いるマクロマーケティングが主流になってきている、らしい。

フォードの速い馬の話が通じないのか?というと、最近ではスマホなどに代表されるように、やはり新製品開発の基本はそこにあると思う。ただし企業経営の安定性や存続などを考慮するとき、飽和市場におけるマクロマーケティングはやはり必要だろう。特に最近はIT技術の進歩によりビッグデータの収集と分析が行いやすい環境が整っており、新たなマーケティング戦略としてビッグデータを活用できる企業が強いことは言うまでもない。

僕個人としても、確かにデータベースに蓄積されている大量データを分析していて、古典的な推測統計論や多変量解析だけでは対応しきれなくなってきた。そこでマクロマーケティングについて、最近(といっても10年くらい前からだが)主流となっているベイジアンモデルも習得しておこうと考えている。