２．金融システムを安定化するための策は、ガウス分布（黄金比 １：８：１）
○リストラ策の例
クライスラー、連邦破産法適用
一旦、破産して、清算する。
フィアットとパートナーシップを締結して、再建手順に入るのかな？
その際に、政府が支援するということなのかな？
いずれにしろ、大リストラになるのだろう。
リストラとは？ 必ずしも、人員削減のことではない。
企業の構造を変えて、企業経営の健全化を図ることである。
その過程で、人員の削減や、移動が伴うことはあり得るが・・・
細かい話は、その企業の再建計画によって、決まる・・・
Aoyagi YoSuKe
追伸）
オバマ大統領は、クライスラーの生産と雇用を守る、と述べた・・・
当初から、アメリカに自動車産業は欠かせないと述べていた・・・
参考）
僕が在籍していた会社は、１９９２年からリストラが始まった。
社内に通達があった。
コード名 「リストラ９２」
この時点では、リストラが何かも、把握していなかったし、説明もなされなかった。
「幹部社員」には、通達してあったはず。もしかしたら、労働組合も知っていたかもしれない・・・
昔のことだから、どうでもいいが、みなさんへの参考情報です。
そして、本社の社員は、最大時点で、１７，０００人程度、今や、３，０００人。
つまり、人員削減率は、８０％である。
本社に残ったのは、２０％である。
参考）
リストラについて
大きく言って、ふた通りある
ネガティブ・リストラ 単なる延命措置、たとえば、蘇生の見込みがない人を装置により機械的に延命している状態
ポジティブ・リストラ 将来を見越して、再生の可能性を前提にしたリストラ、たとえば、心肺停止しているが脳死状態ではない。心肺の蘇生と共に生き返る。
ポジティブ・リストラであっても、人員の削減や、生産設備の見直しはある。
（なぜなら、ニュータイプの生産システムを前提にしたリストラだから。当然ながら、製品も時代にマッチした省エネタイプのものになるはず。環境問題はビジネスチャンスである）
提案）
政府が８％の株式を保有・・・ 公的関与が深まる・・・
だったら、いっそのこと、
クライスラー＝アメリカ国民車
にすれば？
オバマ大統領の理念
自動車があってこそのアメリカだ。
だったら、アメリカ大衆向け国民車にすれば良い。
アメリカ・スタンダード車？
アメリカ中流階級用車？
でいいのでは？
どうでしょうか？
債権者殿？
おそらく、金の動脈瘤、静脈瘤が解消されて、金流も上昇する。
実体経済も上昇する、金融システムの信用不安も少なくなるのでは？
○ガウス分布（黄金比 １：８：１）
ビッグ３とは？
１割の上、８割の中、１割の下
これが、ビッグ３の黄金比だと思う。
１：８：１
どうですか？
ガイトナー財務長官？
ご検討よろしく！
数学的に表現すると、
ゆるやかな正規分布こそ、安定の象徴である。
正規分布は、だれが専門家だったっけ？
ガウスじゃねえよな？
ガウスさん？
忘れた～～～
思い出せ～～～、ガイトナー！
ガイトナーさんへ
ニッポンのおじさんも、捨てたもんじゃないぞ～～～
どの色を選ぶんだい、ゲームボーイ、ガイトナー？ ナッシュ？
思い出した～～～
究極の数学テクニック
ラプラス変換
知ってるよね～～～、ガイトナーさん？
でも、原理は、ガウス分布です・・・
【Karl Friedrich Gauss】ガウス
ドイツの数学者。ゲッティンゲン大学教授兼天文台長。１８歳で正十七角形の幾何学的作図に成功。
最小自乗法・整数論・曲面論・虚数論・方程式論・級数論などを論じたほか、天文学・電磁気学にも精通。
数学の王といわれる。（1777～1855）
The King Of Mathematics
ガイトナーさんや、ナッシュさんでも、とてもじゃないが、敵わない・・・
すげ～～～
実は、みなさんが嫌いな偏差値の原理です。
数学も道具・・・
「馬鹿と、はさみは使いよう」 － いにしえの格言
マネー、飛行機、車、電車、舟、コンピュータ、携帯電話、包丁、はさみ、まな板、、、
これらは、すべて、人類が開発した道具です。
「馬鹿と、はさみは使いよう」 － いにしえの格言
「ピノコに、小判」 － ブラックジャック
「猫に、小判、されど、人に、小判」 － 悪代官＆悪徳商人
「詩人の恨み節」
石川啄木の「一握の砂」の「我を愛する歌」に在る短歌です。
はたらけど
はたらけど猶わが生活楽にならざり
ぢつと手を見る
---Wikipedia
正規分布（せいきぶんぷ、英語: normal distribution）は、ド・モアブルが二項分布の近似として発見した確率分布である。 その後、ラプラスやルジャンドル等の誤差や最小二乗法に関する研究を経て、ガウスの誤差論で詳細に論じられた。 ガウス分布 (Gaussian Distribution) とも呼ばれる。
概要
（一次元）正規分布は、その平均を μ, 分散を σ2 とするとき、次の形の確率密度函数
を持つ。この正規分布を N(μ, σ2) と表す（N は「正規分布」を表す英語 "Normal Distribution" の頭文字から取られている）。特に μ = 0, σ2 = 1 の時、この分布は（一次元）標準正規分布（または基準正規分布）と呼ばれる。つまり標準正規分布 N(0, 1) は
なる確率密度函数を持つ確率分布として与えられる。
正規分布の確率密度函数をグラフ化した正規分布曲線は左右対称なつりがね状の曲線であり、鐘の形に似ている事からベル・カーブとも呼ばれる。直線 x = μ を軸に左右対称であり、x-軸が漸近線である。なお、曲線は σ の値が大きいほど扁平になる。
なお、中心極限定理により、巨大な n に対する二項分布とも考えることができる。
平均値の周辺の n-次中心化モーメントは、各次数 n に対して
となることが知られている。
また、多変量の統計として共分散まで込めた多次元の正規分布も定義され、平均 μ = (μ1, μ2, ..., μm) の m 次元正規分布の同時密度函数は次の式で与えられる。
ここで、S = (σij) は分散共分散行列と呼ばれる正値対称行列で、冪指数に現れる記号 A[x] は（対称）行列 A とベクトル x に対して二次形式 xTAx を意味するもの（ジーゲル記号）とする。 この多次元分布を（一次元の場合と同様に）N(μ, S) と表す。特に一次元の場合、平均 μ = (μ) と分散共分散行列 S = (σ2) はともに一次元の平均と分散を意味する一つの実数値であり、記号 N(μ, S) = N((μ), (σ2)) は単に N(μ, σ2) と書かれる（先に述べた一次元の場合の記号と同じものと理解してよい）。
自然界の事象のなかには正規分布に従う数量の分布をとるものがあることがしられている[1]。また、そのままでは変数が正規分布に従わない場合もその対数をとると正規分布に従う場合がある。
統計的な意味
確率変数 X が N(μ, σ2) に従う時、平均 μ からのずれが ±1σ 以下の範囲に X が含まれる確率は 68.26%, ±2σ 以下だと 95.44%, さらに ±3σ だと 99.74% となる。
正規分布は、t分布やF分布といった種々の分布の考え方の基礎になっているだけでなく、実際の統計的推測においても、仮説検定、区間推定など、様々な場面で利用される。
なお、実際に検定などにおいて正規分布を用いる時は、確率変数 x を標準化した変数 z = (x − μ)/σ が標準正規分布に従うことを利用する場合がほとんどである。
不連続値をとる確率変数についての検定の場合でも、連続変数と同様の考え方で正規分布を近似的に用いることがある。これは標本の大きさ n が大きく、かつデータの階級幅が狭いほど、近似の精度が高い。
確率密度函数から実際に値を求める場合は少なく、標準正規分布表とよばれる、変量に対応した確率をあらわす一覧表から値を算出する場合がほとんどである。
正規分布の適用
前述のごとく"自然界"の事象(無機的なそれ)の中には、正規分布に従う数量の分布をとるものがあることが知られている。しかしそれは必ずしも"多数派"というわけではない。19世紀ではさながら「正規分布万能主義｣といったものがまかり通っていたが、20世紀以降そういった考え方に修正が見られた。今日においては社会現象、生物集団の現象等々、種別から言えば、正規分布に従うものはむしろ少数派であることが確認されている。例えば、フラクタルな性質を持つ物は正規分布よりも、パレート分布になることが多い。
人間は自然界の事象とはちがって自分の意思をもっているため、たとえば、子供の成績などは決して正規分布にはならない[1]。
何らかの事象について法則性を捜したり理論を構築しようとしたりする際、その確率分布がまだ分かっていない場合にはそれが正規分布であると仮定して推論することは珍しくないが、誤った結論にたどりついてしまう可能性がある。
本当にその事象が正規分布であるかどうかは実際のデータから確認するしかない。十分というわけではないが、最低限、データの尖度と歪度を調べるべきである。
脚注 [編集]
^ a b 遠山啓 『数学入門（下）』 岩波書店〈岩波新書〉（原著1960-10-20）、初版、p. 87。2009-03-05閲覧。
関連項目 [編集]
確率
正規乱数
シックス・シグマ
正規標本論
標準得点
0 件のコメント:
コメントを投稿