本の紹介”TOEIC L&R テスト 究極のゼミ シリーズ”
TOEICのスコアを伸ばしたい。
昔からそう思っておりましたが、
英語はあまり勉強しておらず中学時代の文法が少し残っている程度。
TOEICのスコアも400点台と低く、どう勉強したらいいか分からない時期がありました。
そこで、まずは”600点”を目標にして勉強することにしました。
そこで役に立ったのが、本書の”TOEIC L&Rテスト 究極のゼミシリーズ”です。
各章が講義形式で解説されていて、難易度もちょうどいいくらいでした（ターゲットはおそらく400〜500点の人）。
解説が詳しく載っているので、間違えたとしても解説から学べることが多い問題集です。
付属のCDを聞き分からなかったら２回ほど実際に”音読”していました。
リスニング強化には”音読”が一番効果的だと思います。
その成果もあり、無事600点を超えることができました。
600点というと上級者にとってはそれほど高いスコアじゃないかもしれませんが、
私にとって達成感があり、今後も英語の力を伸ばしていこうという気になりました。
600点を目指す人におすすめの問題集です。
↓パナソニックの学習用のポータブルCDプレーヤーもおすすめです。
私はこれを使って問題をリピートしたり、音読練習をしていました。
若干値段高いですが、机にも置けるし、CDをパソコンなしですぐに聞けるので
語学学習用のプレーヤーとして優秀です。
統計検定準１級
来週6/18(日)に統計検定準１級の試験があります。
統計検定準１級は出題範囲が広く難易度も２級と比べアップしています。
過去問(例題集含む)が３回分あるので、
私の理解できる範囲だけキーワードを抜き出して見ました。
■例題集
・確率計算（包除原理）
・ポアソン分布の式、E[X^2]の算出、カイ二乗検定
・２変量正規分布の期待値E[X+Y]、分散V[X+Y]、共分散Cov[X+Y,X-Y]の算出
・条件付き分布の平均、分散
・母比率の区間推定
・カイ二乗検定
・行和と列和からXの取りうる範囲の算出
・対応のないt検定、プールした分散、t統計量の算出
・等分散のF検定（Rでの出力結果）
・Welchのt検定について
・多重比較の問題（多重性）
・カイ二乗分布の正規近似とデルタ法
・標準ブラウン運動、ある値が与えれれたもとで条件付き期待値・条件付き分散
・回帰分析・モデル推定・モデルの診断（Q-Qやテコ比）（Rでの出力結果）
・無作為分割を反復した際の相関係数ρxy（期待値・分散・共分散の式変形）
・時系列分析・ペリオドグラムの選択
・ブロック計画
・パス解析、パス図を解析結果から書く
・ギブスサンプリングの確率標本の分布
・線形判別、２次判別、カーネルSVM、最近隣法、決定木の判別の様子を図から選ぶ（２次判別の判別境界を表している図を選ぶ）、それぞれの性質
論述問題（選択）
・K回あたりがでるまでの期待値を求める幾何分布の応用問題
・民間最終消費支出と国民可処分所得の回帰モデル（１次の自己相関係数とダービンワトソン統計量、所得弾力性、回帰モデルの比較）
・薬剤の有害事象の発生率について（リスク比、オッズ比）
■2015年6月過去問
・確率問題
・母比率の推定区画
・偏差値の計算
・集落抽出法について
・２変量正規分布
・t検定
・相関係数、条件付き期待値
・統計モデル
・自己回帰係数αと時系列データ
・DWダービワトソン統計量について
・直交計画について、交互作用
・カイ二乗検定、オッズ比
・ベイズ統計、二項分布の共役事前分布ベータ分布の事後の最頻値の計算
・乱数を用いた円周率の算出
・回帰モデルとその評価（Rの出力結果）
・主成分分析
論述問題（選択）
・マルコフ連鎖の問題
・統計モデル、AIC、調整されたR^2
・ロジスティック回帰
■2016年6月過去問
・変動係数の計算
・期待値、分散の算出
・カイ二乗検定
・分散の区間推定
・母比率の検定、検出力の算出
・回帰モデル、自由度調整済みR^2の算出、DWダービンワトソン統計量
・実験計画フィッシャーの三原則について
・生存関数、累計分布関数、f(t)の平均値、中央値の算出
・２元配置分散分析について
・マルコフ連鎖、推移行列P、定常状態
・正規分布の混合モデル、EMアルゴリズム
・層別から抽出した標本から母集団の推定、回帰モデルの評価（Rでの出力結果）
・判別分析、線形判別分析、SVMの境界面の図の選択、正準判別分析
論述問題（選択）
・台風の上陸回数、ポアソン分布の問題
・５０ｍ走、最小二乗推定より回帰係数を求める、AICの算出
・４元配置分析、飽和モデル、逸脱度、無向独立グラフ
キーワードだけ書き出してみても出題範囲を満遍なく出していることがわかります。
期待値や分散や２変量正規分布や母比率の区間推定、カイ二乗検定、またRの出力結果を見てそこから何が言えるかという問題が頻出しています。調整されたR^2やp値の解釈も復習しておいた方が良さそうです。
ダービワトソン統計量もなぜかよく出ています。
マルコフ連鎖と定常状態もよく出ています
論述はどの問題も難しく思います。選択なのでどの問題を取り組むか瞬時に判断するのが肝心かもしれません。
本の紹介”超パラグラフリーディング”
TOEIC、英検など英語の試験で必ず現れる英語の長文読解。
これがどうも苦手で英単語の力が足りないのか、文法の力が足りないのか
どちらも対策してるのですが、苦手意識が拭えませんでした。
”パラグラフ・リーディング”という長文の読み方があることを知りました。
英語の場合（日本語の時もそうですが）、一つのパラグラフ（段落）に一つのトピック（伝えたいこと）が込められています。そして、そのパラグラフのトピックを掴むことが大切だというのがパラグラフリーディングです。
確かに今までは英文を一文一文を訳してただけで、そのパラグラフが何を伝えていたか、パラグラフの繋がりなどはあまり意識してませんでした。
一つ一つの木は詳細に見て、森全体を見ていない状態だったのかもしれません。
パラグラフが集まり一つの論説文となります。各パラグラフの繋がりが分かれば、最後にはその論説文が言わんとこと（テーマ）も把握することができます。
単語、文法、構文を知ることも大切ですが、パラグラフのトピックを掴むことも同様に大切であることがわかりました。
本の紹介”模倣の経営学 実践プログラム版”
イノベーションと模倣、一見すると反対の言葉に見える。
しかし、模倣からもイノベーションは生まれると本書は主張する。
その例となるのは、イノベーティブな製品を創出することで有名なアップル社を見てもわかる。マッキントッシュでGUIとマウスを実現したが、その元は米ゼロックスの研究所で開発されたものである。
ビジネスモデルについても他業種・他業界からも学ぶ（＝真似ぶ）ことはある。
他業種の”原理原則”を観察し、その原理原則を自分のビジネスに適応するのだ。
その業界でぶち当たった壁は、案外、他業界にその壁を破るヒントがあるのではないかと思う。そのため、他業界のことであっても自分事として受け止める観察力が大切になると思われる。
本書はビジネスモデルを模倣からどう創造していくか方法論が書かれた良書です。
経営以外にも示唆に富むので経営者以外の人にもお勧めいたします。
5/20_晴れ
現在、私は６畳少しのアパートに住んでいるが、もう少し広い部屋に住めばよかったと後悔している。
というのも最近、いわゆる積ん読本が溜まり過ぎて足の踏み場に困るようになってきたからである。
少しずつ積ん読本の一部を実家に送って、アパートにある本を減らそうとしているが、なかなか積ん読本が減らない状況だ。
これらの本の堆積を見て一体この本のインプットがどれだけ私のアウトプットに繋がったのだろうとなんとも言えない気持ちになった。
なぜインプットするかと言うと将来アウトプットに繋がるからであり、今までほとんどアウトプットに繋がってこなかったことを考えると無駄なことをしているんじゃないかと少し虚しい気持ちになる。
しかし、私はインプットをやめないと思う。非効率、低生産性であるが、本を読むと言う行為自体に価値を見出しているからである。知らないことを知るということはやはり楽しいことだ。
おそらく私が本を投げ捨ててしまうことは今後ないだろう。
IoTプラットフォーム
IoTプラットフォームをまとめてみたら意外と多くの企業が取り組んでいることが分かりました。
データを巡る覇権を賭けた戦いは既に始まっていることが分かります。
■以下はIoTプラットフォームに取り組んでいる企業の一部です。
下にある各社の紹介ビデオを見ればIoTがどういったものか感覚的に掴めると思います。それぞれ3分程度の動画なので、全て視聴されることをお勧め致します。
・Siemens（MindShpere）
・日立製作所（Lumada）
・GE（Predix）
・富士通（MetaArc）
・Oracle（Oracle Internet of Things Cloud Service）
・IBM（Watson Internet of Things Platform）
・Google（Google Cloud IoT Solutions）
・Salesforce（Salesforce IoT Cloud）
・Microsoft（Azure IoT）
・SAP
・Kaa IoT Platform
・etc...
ーー（以下は紹介ビデオ）ーーーーーーーーーーーーーーーーーーーー
シーメンス（MindShpere）
日立製作所（Lumada）
GE（Predix）
富士通（MetaArc）
Oracle（Oracle Internet of Things Cloud Service）
IBM（Watson Internet of Things Platform）
Google（Google Cloud IoT Solutions）
Salesforce（Salesforce IoT Cloud）
Microsoft（Azure IoT）
SAP
Kaa IoT Platform
本の紹介”人を動かす -D・カーネギー”
ダール・カーネギーの「人を動かす」は、
人間関係の自己啓発本の源流とも言える本です。
「人を動かす」は人間関係を良くする原則が詰め込まれています。
その原則の中の１つに、
”人間にとって、自分の名前が最も甘美かつ大切な音であることを、覚えておく。”
という文章が出てきます。
人の名前を覚えることは大切なことである。
しかし、人の名前を覚えるのが得意な人と名前をすぐに覚えられないという人に分かれると思います。
話は変わりますが、学生時代、尊敬する学年主任の先生がいました。
その先生は就任して１日目、なんと私たち学年１００人近くの顔と名前を覚えた状態で
授業を始めました。
生徒を指名するときは座席表を見ずに顔を見て名前を呼んで指名するのです。
その先生は名前の重要性を知り、おそらくかなりの努力をして１００人の名前を覚えたと考えられます。
そこには記憶力の良さとか人の好き嫌いの問題ではなく、名前を覚えるコストをためらわず払ったということが重要でだったと思います。
現在大人になって「人を動かす」を読むと名前は重要だとか相手に興味を持つとかそういう知識よりも、そのための努力・コストをためらわず払うことができるかが最重要であると思いました。
学年主任の先生は見事にそのことを体現してくれていたように思います。
私はまだその領域には至っていません。
他人は私をどう評価するであろうかということが頭のどこかに常にある状態です。
自分を大切にすることは正しいことです。
一方で、同時に相手も大切にしそのコストをちゃんと払うことは、さらに難しいことです。
自分も相手も大切にすることで新たな段階に行けると思います。
「人を動かす」を人を操るテクニック集としてではなく、相手を大切にするという心的態度をどう表現するかという視点で読むと得るものが大きいと思いますので、お勧め致します。
