128 日目（曇りのち雨）なんにのない
0:40 ドラゴンスレイヤーを手に入れた後、水晶玉全部をクリア。攻略の順番がよくわからない。寝る。
夕方あんなに居眠りしたのに 9:00 過ぎまで眠り続ける。スッキリを観ながら朝飯。 としまえん終了か。ホームレス最終盤のときに横を通り過ぎた思い出がある。
ベッドのシーツ洗濯日は明日なのだが、天気予報が雨が降り続くと言っているので前倒す。 前回洗濯日から床に寝ることが多かったので、掛布団のシーツは省略してマットとまくらのカバーを洗う。
待ち時間に PC を開いて伯爵令嬢ノーセーブの続きをプレイ。地獄四隅のボス残り、アステカチャレンジをクリア。 ディースやヴァンパイアロードにインビジブルで対抗することをようやく覚えた。 次は上の画像に関係するを倒してラスボスへ行く予定。
11:25 洗濯物を干す。そろそろ外出する。PC を持っていくかどうか悩む。持っていかないことにする。
スカイツリータウン経由で押上駅周辺に移動。先に横川コミュニティー会館図書室の用事を済ますことにする。 朝刊と教科書を読んで……計算用紙が尽きた。
13:55 ビッグエー墨田業平店。144 円。
- アンパン
- ポテチ塩
またぞろ横川五丁目に戻り、団地のベンチでおやつ休憩。携帯電話で各種連絡の有無をチェック。全然ない。 押上の不動産屋めぐりを再開するかと思って交差点まで行く。一人しかいない店員が電話をしているのでやめる。 バスに乗って錦糸町駅へ。
ハローワーク墨田。アカウントがきのう月末で失効したはずなので再取得しに窓口へ行く。 しかしそれは私の勘違いで、実はまだ一ヶ月使える。せっかくなので検索機を使って応募できる求人を覚えておく。
アルカキット錦糸町のくまざわ書店で時間つぶし。
タイトー F ステーションオリナス錦糸町店。5 クレいく。
MJ プロ卓東風戦：
【SCORE】
合計SCORE:+14.9
【最終段位】
四人打ち段位:雷神 幻球:10
【9/1の最新8試合の履歴】
1st|*-----*-
2nd|-*---*-*
3rd|--*-----
4th|---**---
old new
【順位】
1位回数:2(25.00%)
2位回数:3(37.50%)
3位回数:1(12.50%)
4位回数:2(25.00%)
平均順位:2.38
プレイ局数:35局
【打ち筋】
アガリ率:17.14%(6/35)
平均アガリ翻:3.67翻
平均アガリ巡目:10.67巡
振込み率:2.86%(1/35)
【9/1の最高役】
最高役のデータがありません。最高役は、跳満以上のアガリが対象となります。
18:35 カスミオリナス錦糸町店。336 円。青椒肉絲丼。
19:00 ビッグエー墨田業平店。151 円。
- シュークリーム
- 大きなツナデニッシュ
向島の部屋に戻る。シャワーを浴びて晩飯。テレビがつまらんので早々に PC 作業へ。 数学ノート作業。あっという間に終わる。間が持たない。
ベッドのシーツをはめる。
20:40 ノーセーブチャレンジの続き。ランちゃんからラスボスまで。こいつらは慣れている。 ようやくエンディングまで行けた。卒業だ。うっかり BGM オフで続けていたので最後は盛り上がりに欠けた。 しかしこのゲームの追究はまだ続く。辞書を作って元ネタを調べたい。初めて聞く単語が多くて新鮮だった。
PDF でダウンロードしておいた SciPy のチュートリアルを読む。 チュートリアルにしてはトピックが専門的であり過ぎて読みにくい。早々にやめる。
22:40 久しぶりに読書ノートのビルドをやったら Sphinx のスクリプトがないとかエラーが出る。
調べてみると sphinx-build-script.py が確かにない。自分で書いて Scripts フォルダーに置く。
それにしてもどうしてないのだろう？ conda か pip のインストール処理が不完全だったとしか思えぬ。
import sys
from sphinx.cmd.build import main
if __name__ == '__main__':
sys.exit(main(sys.argv[1:]))
困ったことにオフラインだと MathJax の動作確認ができない。
残り時間は髭アーカイブを聴きながら麻雀の練習。
Math Notes
薩摩順吉著『確率・統計』第 7 章。メモ用紙が切れたため今日は少ししかない。
Markov 過程。ある時刻の状態がそれ以前の時刻の状態にだけ関係するような確率過程。
特に、本当に直前の状態にしか関係していない Markov 過程を単純 Markov 過程という。 それに対して、いくつか前の、$i$ 個とすると、状態に関係する Markov 過程を $i$ 重 Markov 過程という。
以下、単純 Markov 過程を扱うことにする。
Markov 過程を一般的に表すのには条件付き確率が使える。
\[X(0) = a_0, X(1) = a_1, \dotsc, X(n - 1) = a_{n - 1}\]とする。時刻 $t = n$ で $X(n) = a_n$ となる確率を次のように表すことにする：
\[P(X(n) = a_n \vert X(0) = a_0, X(1) = a_1, \dotsc, X(n - 1) = a_{n - 1}).\]単純 Markov 過程ならば after の部分が一項で表される：
\[P(X(n) = a_n \vert X(n - 1) = a_{n - 1}).\]この確率は一般に推移確率という。
左右ランダムウォーク ${p = 1/2}$ のケースで、例えば ${t = 4}$ で ${x = 2}$ ならば
\[P(X(5) = 3 \vert X(4) = 2) = \frac{1}{2}.\]一般の時刻 ${t = n}$ に一般化できる。
\[P(X(n) = 3 \vert X(n - 1) = 2) = \frac{1}{2}\]すべての推移確率が $t$ に無関係に定まる Markov 過程を時間的に一様な Markov 過程であるという。
以上