  |
はてなキーワード: Scilabとは
元来学業において適用されていた偏差値の概念を主観の多々入り交じる顔面の美醜という対象において摘要した点で顔面偏差値という素晴らしい概念は誠に高く評価できるものである。
偏差値とは統計的概念であり母集団の分布における統計値（確率変数の値）の高低を示すものであり、50を平均値とし10を標準偏差として算出される。
つまり60なら高め、70ならかなり高い、80ならレアアイテム、90なら激レアとまあこんな調子である。
顔面偏差値はあくまで主観的なものであるがアンケートの実施（統計調査）をすれば、客観的に扱えるようにはなる。それが美醜を客観的に正しく表しているいう意味ではなく、あくまで扱いが客観的になるだけであるが。
たとえば心理統計によくある「非常にそう思う、そう思う、どちらでもない、そう思わない、全くそう思わない」のような五段階評価を「この人が美人・イケメンだと思いますか？」という質問に対して回答させれば良いのであるから実に簡単な話である。
この方法を駆使すれば顔面偏差値と同様にさまざまなパラメータを個人に与えることもできるだろう。
また、わざわざ大がかりな統計調査を実施しなくても、人々から受けた評価をその都度反映させていくことも可能である。例えば、他人からうけた扱いや評価を主観的に5段階評価して、統計処理を行うだけのことであるから何も難しいことはない。
こうしてさまざまなパラメータが客観的に扱えるようになることそのものが実は非常に有益なことなのである。これは我らがmankogaiも再三言っていることであるが数値化しなさいと。
なんでも数値化しなさい。数値化の精度（例えば美人度70と評価したことが客観的に正しいのかといったこと）は多少ファジーであれど数値化すること自体に意味があると。そういうことを言っている人は数多い。
フェルミ推定が重視されているのもそうしたバックグラウンドがある。当のグーグルの起業家がフェルミ的な思考法を常としたことで大成功を収めたのは言うまでもない。
なのだから、常識で考えて数値化は非常に有益というのが我々の最終結論である。
数値化のいま1つのメリットは数値の変化に敏感になることである。体重を毎日量っている人は例えば体重に敏感だから食事に気をつけようという意識が違ってきますもの。
また1つのメリットは数値の上下を支配する従属変数が見えてくることでもある。bという変数が従属変数とし、a1, a2, a3, a4, ... , a10といった独立変数がbに影響しているか確認したい。
統計処理にかければこんなものは一発である。どれとどれが相関が強いのか。scilabなどで線形システムを仮定して検証するのが一般的であろう。
シストレをやっている知人がよくそんなことをやっていた。彼が言うには顔面偏差値という偉大な発明をなぜ他の人物パラメータにも摘要しないのかと。まったく同感である。
