前回の記事では階乗を求めるユーザー定義関数を経てFisherの直接確率をストアドプロシージャで求めた．今回は四分表から感度と特異度を求めたい．
感度，特異度を求めるユーザー定義のスカラー値関数をSQL Serverで定義する
日平均蒸気圧と熱中症の重症度別搬送人員との関連を調べる
日別平均水蒸気圧と熱中症搬送人員との相関を可視化するでは平均水蒸気圧と熱中症搬送人員との相関関係を示した．今回は日平均蒸気圧と熱中症の重症度別の搬送人員との関連を調べ，日平均蒸気圧の閾値及びその感度と特異度を求める．
日別平均水蒸気圧と熱中症搬送人員との相関を可視化する
熱中症の搬送人員と最高気温との相関関係を可視化し閾値をχ二乗検定するでは最高気温と搬送人員との相関関係を解析した．今回は水蒸気圧と搬送人員との関係を可視化し，閾値を求めた．重症度別の搬送人員についての検討は日平均蒸気圧と熱中症の重症度別搬送人員との関連を調べるに記述した．
色の知覚(1)太陽光
色彩に関してはこれまで先人の膨大な研究の積み重ねがある．その一端を紹介し，色の物理的性質から生理的反応への橋渡しについて考察する．
今回は太陽光について調べた．データベースは主に National Renewable Energy Laboratory から取った．日本国内にも太陽光についてのデータベースは気象庁や新エネルギー・産業技術総合開発機構がデータを公開している．
1920年から2015年までの都道府県別の5歳階級別人口推移
e-Stat を渉猟していると面白いファイルを見つけた．国勢調査は 1920 年から開始されており， 2020 年 3 月現在では最新の調査結果は 2015 年のものである．20 回分の人口データが一つのファイルにまとめられており，グラフ化するには格好のデータである．
年齢（5歳階級），男女別-都道府県（大正9年～平成27年）というファイルである．リンク先のページにはファイルが 3 つあるが，最後のものが最も粒度が細かいので，これをグラフ化する．
厚労省「地域ごとのまん延の状況に関する指標等」の PDF から Power BI Desktop でデータを抽出し EXCEL のグラフに表現する
新型コロナウイルスのパンデミック宣言以降，Twitter でフォローしているアカウントに自然と相互協調の動きがみられる．
厚労省が「地域ごとのまん延の状況に関する指標等」の公表を開始。
— にゃんこそば (@ShinagawaJP) 2020年4月23日
都道府県ごとの①確定患者数、②リンクが不明な患者数、③相談件数、④PCR検査の実施数…と、必要な情報を一通り網羅しています。
が、ファイルはまさかのPDF形式。ExcelかCSVも提供してくれれば…https://t.co/Ox5rU6m1Xo
このツイートから始まった一連のやりとりで，厚労省の発表した PDF からテーブルを抽出するくだりに注目した．
失礼します。今、マクロソフト Power BI デスクトップを使用したところ無事PDFを読み込めました。また、列のピボット解除という機能を使うことで、クロス集計表を添付のような集計用フォーマットに加工できます。 pic.twitter.com/FEV0SBSito
— Akira Takao (@modernexcel7) 2020年4月23日
今回はここを画像つきで実施してみた．
“厚労省「地域ごとのまん延の状況に関する指標等」の PDF から Power BI Desktop でデータを抽出し EXCEL のグラフに表現する” の続きを読む
国勢調査から５歳階級の人口推移を調べる
人口統計は最も重要な基幹統計の一つである．総務省の e-Stat は確かに有用であるが，かゆいところに手が届かない．例えば「市区町村ごと，年齢５歳階級ごとの人口構成の国勢調査ごとの推移を知りたい」という要求には全く無力である．
主として技術的な理由によるものと，統計調査の粒度の細かさによる．技術的な理由としては，データベースの画面表示セル数の上限を容易に超えてしまうデータ量になってしまうことである．しかし，根本的な理由は調査の粒度の細かさである．
2005 年以前と 2010 年以降とでは調査の精度が違う．今後は高精度なデータファイルが e-Stat に掲載されていくものと思われるが，2005 年以前に関しては都道府県より細かい粒度は存在しない．そこを求めると手作業になってしまい，現実的ではない．国立社会保障・人口問題研究所ならデータを持っているかもしれない．
2020 年は国勢調査の年にあたる．総務省にはできるだけ細かい粒度でのデータ掲載を望むものである．
敷き詰めた散布図にVBAでデータ系列を追加する
EXCEL VBAで複数の散布図を敷き詰めて並べるでは散布図を都道府県の数だけ敷き詰めて並べた．今回はその散布図一つ一つにデータ系列を追加する．
日本の市区町村の時系列の人口順位をEXCELの散布図に描く
読者がどの街に住んでいるか，俺は知らない．だが，将来読者の住む街の運命はほぼ確信を持って予言できる．今後しばらく繁栄が続くか，それとも衰退していくのかは，人口から予測できる．今日の記事ではその予測をデータを基に示す．後半は技術的な話題となる．