Jupyter Notebookの導入メモ
t検定ってなんやねん
まず仮設をたてる
参考:
帰無仮説(Null hypothesis):差がない
対立仮説(Alternative hypothesis):差がある
帰無仮説の否定:差がないわけではない⇒差がある
t検定する
- 帰無仮説を立てる
(差がないのではという仮設) - p値を算出し有意水準(0.05にすることが多い)以下であることを示す
(差がない可能性は非常に小さい) - 帰無仮説を棄却
(差がないわけではなさそう) - 対立仮説を採択
(差がある)
t-検定について
参考
母集団の分布
- 正規分布を仮定(Normal distribution)
確率密度関数 (probablity density function)
母集団が分散δ2, 平均μの正規分布のとき, n個のサンプルを取り出した分布はt分布となる(確率密度関数f(t)は以下のwikiを参考)
標本数
- データが1種類:1群
- データが2種類:2群
1群のT検定におけるNull hypothesis:(データと任意の値の差分が0と違いがない)
1群のT検定におけるNull hypothesis:(データ1とデータ2の差分が0と違いがない)
自由度
- サンプル数 - 群
t値
Pymol 便利なコマンド集
目的
自分用によく使うコマンドを整理しておく
ファイルのリストを得る
cmd.get_names()
ファイルの名前を書きかえる
cmd.set_name("fileA", "fileB"))
[応用]"filename A"を含むファイル名のみ抽出し, 一部を書き換える
for a in [file for file in cmd.get_names() if "filenameA " in file]: cmd.set_name(a, a.replace("filenameA","filenameB"))
オブジェクトの色を変える
color blue, objectname*
GUIで選択された(=enable)なオブジェクトだけmesh表示にする
show mesh, enabled
背景色変更
bg_color silver
線形代数はなぜ便利なのか?
ここを参考にしました
なぜ便利か?
- 時間発展の運動方程式が解ける
nstepにおける任意のベクトルに時間発展行列をかけてやることでn+1stepの結果が得られる
特にベクトルを時間発展行列の固有ベクトルの線形結合で示してやることにより, 時間発展行列をかけた解が行列計算せずに得られる(なぜなら だから)
従って, 0 < λ < 1の場合何度も乗算するとその項は消える(固有値の範囲は正規化されている?よくわからなかった) - 離散化手法の妥当性チェックに使える
時間発展行列Aの行列式を調べてやることで, 計算が発散するかわかる
det|A| > 1の場合, Aによる写像が面積増加をもたらす⇒発散
まとめ
- 時間発展に限らず微分方程式を解くのに便利(但し離散化処理が必要)
次にどうする
- 行列式の意味を理解