@dannchu.bsky.social
東京都の私立中高で数学を教えています。
🔴 The second release candidate of Julia v1.12 is out!
#JuliaLang
discourse.julialang.org/t/julia-v1-1...
#日曜数学会 主催で「Julia言語と高校数学」という内容で発表してきました。数学のコミュニティーなのですが、私の他にもJulia言語を利用していた方がいてびっくりしたのと同時に、とても嬉しかったです。
#JuliaLang
colab.research.google.com/github/shimi...
@dannchu.bsky.social さんによる発表！「Julia言語と高校数学」 #JuliaTokai
22.06.2025 05:48 — 👍 1 🔁 1 💬 0 📌 0
📢関数型まつり2025 チケット販売開始＆プログラム公開しました！🎉
詳細はブログをチェック！
blog.fp-matsuri.org/entry/2025/0...
チケットはこちらから
fp-matsuri.doorkeeper.jp/events/182879
#fp_matsuri #プログラミング
Julia v1.11.3 is out 🎈
discourse.julialang.org/t/julia-v1-1...
Calculating the Mandelbrot set using eight Raspberry Pi 5 devices in #JuliaLang
13.01.2025 05:52 — 👍 7 🔁 1 💬 0 📌 0I tried to create a #JuliaLang package without writing code(including README) by myself. I used the Composer feature in the Cursor editor, with Claude-3-5-Sonnet-20241022 as the underlying model.
It takes 3 hours to accomplish the output.
github.com/terasakisato...
I'm a huge fan of #Quarto, a (relatively) new technical publishing system. I've written a #julialang package, `DocumenterQuarto`, which automatically generates a Quarto project (e.g. website) with any Julia package's documentation!
04.01.2025 04:40 — 👍 20 🔁 4 💬 1 📌 0
やたーー！！！年内に100⭐達成したぞ！！！！！！
BasicBSpline.jlはB-splineをJuliaで扱うためのパッケージです！！！！！！
github.com/hyrodium/Bas...
これは使うしかない！
19.12.2024 08:07 — 👍 0 🔁 0 💬 0 📌 0
A new free tier of GitHub Copilot in Visual Studio Code.
✅ 2,000 code completions per month
💬 50 chat messages per month
💫 Models like Claude 3.5 Sonnet or GPT-4o
♥️ More fun for you
Check it out today!
Oh yeah, and we passed 150M developers on GitHub 💅 github.blog/news-insight...
zenn.dev/dannchu/arti...
#typst
zenn.dev/dannchu/book...
#JuliaLang
That's right. Originally, typest can use Rust, so it is relatively easy to produce programming results. Also, I often use Cetz when drawing diagrams.
17.12.2024 03:48 — 👍 2 🔁 0 💬 0 📌 0
zenn.dev/dannchu/arti...
#JuliaLang
![using Random, Statistics
# 200人の0~100点のデータ
data =[
80
80
53
74
58
46
86
79
81
100
85
94
95
67
71
84
89
100
84
62
74
89
100
80
82
94
100
95
100
82
63
95
72
62
95
99
87
95
100
100
82
40
97
72
100
81
90
90
60
87
75
81
96
80
100
80
73
82
58
87
94
91
85
90
66
90
88
62
100
88
32
95
100
85
87
62
82
71
89
65
100
83
40
98
99
75
82
100
93
81
100
55
100
66
98
99
100
65
99
95
58
90
90
93
99
82
86
94
99
85
58
73
85
90
53
84
54
84
68
88
96
63
67
84
91
95
75
70
58
100
80
80
95
96
92
89
81
100
60
98
89
60
78
58
97
97
100
85
97
92
95
100
95
89
97
94
97
97
97
91
92
96
99
87
97
97
93
87
97
97
98
93
97
97
88
97
92
100
95
100
97
100
97
97
100
97
96
97
92
80
87
95
97
90
80
97
100
93
89
100
]
# ブートストラップ法のパラメータ
n_bootstrap = 1000 # ブートストラップのサンプル数
n_data = length(data)
# ブートストラップで計算する割合を格納する配列
bootstrap_ratios = zeros(n_bootstrap)
# ブートストラップサンプリングと割合の計算
for i in 1:n_bootstrap
resample = data[rand(1:n_data, n_data)] # 元データからリサンプリング
bootstrap_ratios[i] = mean(resample .>= 90) # 90以上の割合を計算
end
# 信頼区間の計算 (例: 95%信頼区間)
ci_ratio = (quantile(bootstrap_ratios, 0.025), quantile(bootstrap_ratios, 0.975))
# 結果を表示
println("元データで90以上の割合: $(mean(data .>= 90))")
println("ブートストラップ推定の平均割合: $(mean(bootstrap_ratios))")
println("95%信頼区間: [$(ci_ratio[1]), $(ci_ratio[2])]")](https://cdn.bsky.app/img/feed_thumbnail/plain/did:plc:l6wvri3jsrtmnnqoyiqlqbc6/bafkreiahmtuzliqnurufndz7ujxdnniyux3abzmfybivp4wopyj5ihccoi@jpeg)
using Random, Statistics # 200人の0~100点のデータ data =[ 80 80 53 74 58 46 86 79 81 100 85 94 95 67 71 84 89 100 84 62 74 89 100 80 82 94 100 95 100 82 63 95 72 62 95 99 87 95 100 100 82 40 97 72 100 81 90 90 60 87 75 81 96 80 100 80 73 82 58 87 94 91 85 90 66 90 88 62 100 88 32 95 100 85 87 62 82 71 89 65 100 83 40 98 99 75 82 100 93 81 100 55 100 66 98 99 100 65 99 95 58 90 90 93 99 82 86 94 99 85 58 73 85 90 53 84 54 84 68 88 96 63 67 84 91 95 75 70 58 100 80 80 95 96 92 89 81 100 60 98 89 60 78 58 97 97 100 85 97 92 95 100 95 89 97 94 97 97 97 91 92 96 99 87 97 97 93 87 97 97 98 93 97 97 88 97 92 100 95 100 97 100 97 97 100 97 96 97 92 80 87 95 97 90 80 97 100 93 89 100 ] # ブートストラップ法のパラメータ n_bootstrap = 1000 # ブートストラップのサンプル数 n_data = length(data) # ブートストラップで計算する割合を格納する配列 bootstrap_ratios = zeros(n_bootstrap) # ブートストラップサンプリングと割合の計算 for i in 1:n_bootstrap resample = data[rand(1:n_data, n_data)] # 元データからリサンプリング bootstrap_ratios[i] = mean(resample .>= 90) # 90以上の割合を計算 end # 信頼区間の計算 (例: 95%信頼区間) ci_ratio = (quantile(bootstrap_ratios, 0.025), quantile(bootstrap_ratios, 0.975)) # 結果を表示 println("元データで90以上の割合: $(mean(data .>= 90))") println("ブートストラップ推定の平均割合: $(mean(bootstrap_ratios))") println("95%信頼区間: [$(ci_ratio[1]), $(ci_ratio[2])]")
200人が100点満点のテストを受けました。ブートストラップ法を用いて，90点以上の人を推定しました。（サンプル数は1000）#JuliaLang
元データで90以上の割合: 0.515
ブートストラップ推定の平均割合: 0.5145200000000001
95%信頼区間: [0.445, 0.58]
zenn.dev/dannchu/arti...
#Typst #JuliaLang
#typst のjlyfishというパッケージがあります。typst内で #JuliaLang のコードを実行できます。うれしい！
typst.app/universe/pac...
![data =[
80
80
53
74
58
46
86
79
81
100
85
94
95
67
71
84
89
100
84
62
74
89
100
80
82
94
100
95
100
82
63
95
72
62
95
99
87
95
100
100
82
40
97
72
100
81
90
90
60
87
75
81
96
80
100
80
73
82
58
87
94
91
85
90
66
90
88
62
100
88
32
95
100
85
87
62
82
71
89
65
100
83
40
98
99
75
82
100
93
81
100
55
100
66
98
99
100
65
99
95
58
90
90
93
99
82
86
94
99
85
58
73
85
90
53
84
54
84
68
88
96
63
67
84
91
95
75
70
58
100
80
80
95
96
92
89
81
100
60
98
89
60
78
58
97
97
100
85
97
92
95
100
95
89
97
94
97
97
97
91
92
96
99
87
97
97
93
87
97
97
98
93
97
97
88
97
92
100
95
100
97
100
97
97
100
97
96
97
92
80
87
95
97
90
80
97
100
93
89
100
]
using Distributions , StatsPlots
# data 0〜100点がつくテスト。N=length(data)=200
μ = mean(data) #平均 μ = 85.805
σ = std(data,corrected = false) #標準偏差 σ = 14.25226210115433
f(x) = count(t->(t==x),data)/length(data) #確率質量関数
bar([f(i) for i =0:100],label="PD") #確率分布(PD)
plot!(Normal(μ,σ),lw=2,label="N(μ,σ²)") #正規分布 N(μ , σ^2)](https://cdn.bsky.app/img/feed_thumbnail/plain/did:plc:l6wvri3jsrtmnnqoyiqlqbc6/bafkreigvryomvv34zz5a6oi7rb27kjczm2prss2fsq6wtgdtkhcxozcduq@jpeg)
data =[ 80 80 53 74 58 46 86 79 81 100 85 94 95 67 71 84 89 100 84 62 74 89 100 80 82 94 100 95 100 82 63 95 72 62 95 99 87 95 100 100 82 40 97 72 100 81 90 90 60 87 75 81 96 80 100 80 73 82 58 87 94 91 85 90 66 90 88 62 100 88 32 95 100 85 87 62 82 71 89 65 100 83 40 98 99 75 82 100 93 81 100 55 100 66 98 99 100 65 99 95 58 90 90 93 99 82 86 94 99 85 58 73 85 90 53 84 54 84 68 88 96 63 67 84 91 95 75 70 58 100 80 80 95 96 92 89 81 100 60 98 89 60 78 58 97 97 100 85 97 92 95 100 95 89 97 94 97 97 97 91 92 96 99 87 97 97 93 87 97 97 98 93 97 97 88 97 92 100 95 100 97 100 97 97 100 97 96 97 92 80 87 95 97 90 80 97 100 93 89 100 ] using Distributions , StatsPlots # data 0〜100点がつくテスト。N=length(data)=200 μ = mean(data) #平均 μ = 85.805 σ = std(data,corrected = false) #標準偏差 σ = 14.25226210115433 f(x) = count(t->(t==x),data)/length(data) #確率質量関数 bar([f(i) for i =0:100],label="PD") #確率分布(PD) plot!(Normal(μ,σ),lw=2,label="N(μ,σ²)") #正規分布 N(μ , σ^2)
#統計 で質問があります。
N=200人が100点満点のテストを受けました。
平均μ = 85.8
標準偏差σ =14.3
実際に一点度数での確率分布と正規分布N(μ,σ²)を図示してみました。
（コードは #JuliaLang ALT）
正規分布とみなせないと感じています。
どのような確率分布で近似するのがいいのでしょうか？
#JuliaInPhysics2024 にオンラインで参加中
永井さんが発表してます。
多くの人が参加しているので #Julialang のユーザーが増えるといいな。
#JuliaLang
Do you like this feature?
It's still a work in progress, but it works fine on my laptop.
Typst でLaTeXのtcolorbox.styみたいに箱を描きたい！｜清水団 zenn.dev/dannchu/arti... #zenn
08.12.2024 22:53 — 👍 1 🔁 0 💬 0 📌 0
zenn.dev/dannchu/arti...
こっちにも投稿してみよう！
#JuliaLang
