https://www.google.com/search?si= のリンクを踏むと他人の検索結果が出てくるらしい。

「72の法則」

複利運用で手元の資産を2倍にするための必要な「期間」や「金利（利回り）」を、暗算で簡単に割り出すための便利な計算式。

72 ÷ 金利 (%) = 投資期間 (年)

三井住友銀行の10年定期が 1.250% なのでこれを当てはめると以下になる。

72 ÷ 1.250 = 57.6 年

な、長すぎる。

20歳で投資を始めると、77歳で資産が2倍になる計算となる。

ほぼ死んでるじゃねえか。

エントロピー（Entropy）

「乱雑さ（散らかり具合）の度合い」を表す指標。

物理学や化学、情報理論などで広く使われる概念で、「状態がきれいに整っているか、それともバラバラに乱れているか」を数値で表すもの。

日常的なイメージで表す

部屋の片付け

  • エントロピーが低い状態
    • 部屋がきれいに片付いている状態。物がどこにあるか決まっていて、規則正しく並んでいる状態
  • エントロピーが高い状態
    • 部屋が散らかっている状態。服や本が床にバラバラ散らばり、乱雑になっている状態

自然の法則として、エネルギー（片付ける労力）を使わないと、部屋は勝手に散らかっていく。 このように、「放っておくと自然に乱雑な方向（エントロピーが増大する方向）へ向かう」のが宇宙の大原則。

物理・化学でのエントロピー（熱力学）

科学の世界では、物質を形作る「原子や分子の集まり具合（無秩序さ）」を指す。

  • 氷（エントロピーが低い）：水分子が規則正しくカチッと並んで凍っている状態
  • 水（エントロピーが中くらい）：分子が少し自由な動きをするようになった状態
  • 水蒸気（エントロピーが高い）：分子が空間全体にバラバラに激しく飛び回っている状態

熱が加わると分子の動きが活発になり、よりバラバラになるため、エントロピーは大きくなる。

これを「熱力学第二法則（エントロピー増大の法則）」と呼び、自然界の現象はすべてエントロピーが増える方向（元に戻らない方向）に進むとされている。

（例：コップが割れる、コーヒーにミルクが混ざるなど）。

情報の世界でのエントロピー（情報理論）

情報理論におけるエントロピーは、ある情報源から得られる情報の「不確実性」や「予測困難さ」を表す指標。

例えば、コインの表裏を予測する場合、公平なコインでは次に出る面を予測することが難しく、エントロピーは高い。一方、偏ったコインでは予測が容易で、エントロピーは低い。

パソコンやAIの世界では、エントロピーは「予測できなさ（不確実性）の度合い」や「情報の詰まり具合」を意味する。

  • エントロピーが低い：
    • 次に何が起こるか簡単に予測できる状態（例：「はい」しか言わない人の返事 ➡️ 情報価値が低い）
  • エントロピーが高い：
    • 次に何が起こるか全く予測できない状態（例：サイコロの出目 ➡️ 次に何が出るかわからないので、情報としての価値や驚きが大きい）

データを圧縮するときなどに、この「予測できなさ」を計算して効率よくデータを小さくする技術に使われる。

まとめ

エントロピーとは、「物事がどれだけバラバラで、予測不可能で、散らかっているか」を示すものと覚えておくと理解しやすい。

zスコアと tスコアの使い分け

統計学において、母平均を区間推定する際に zスコア と tスコア（t値） のどちらを使うかは、母分散（母標準偏差 σ）が既知か未知かによって決まる。

条件 使用する統計量 根拠となる分布
母分散（σ²）が分かっている zスコア 標準正規分布 N(0, 1)
母分散（σ²）が分かっていない tスコア 自由度 n-1 の t分布

補足：サンプルの大きさ （ n ） について

従来の教科書的なルール

ひと昔前の統計学では、母分散が未知であってもサンプルサイズが十分に大きい（一般に n ≥ 30）場合は、中心極限定理を理由に zスコア（標準正規分布）で代用することが一般的だった。

現代の標準的なルール

現在の実務や主要な統計ソフト（R や Pythonなど）では、母分散が未知であればサンプルサイズ（ n ）の大小に関わらず tスコアを使用する のが一般的。 なぜなら、サンプルサイズが大きくなると t分布は自然と標準正規分布（z分布）に収束していくため、常に t分布を使っておけば間違いがないから。

おわりに

とりあえず3回やって出てきたやつ。

回数を重ねるほど、内容はどんどん難解になっていき、辛い。