情報学部大学生のダラダラ日記

情報学部大学生のダラダラ日記

勉強したことをアウトプットします。だらだら読んでいただけると助かります。

【パズドラ】星5キャラで使えるキャラを解説する

はじめに

今回は攻略や周回、ランキングダンジョンなどの面からフェス限を除く星5キャラのうち、攻略や周回、ランキングダンジョンなどで使ったことがあるor使われているのを見たことがあるキャラをピックアップし、その使い道を紹介したいと思います。超転生をしているキャラは使われていなくても簡単に紹介します。どんなキャラでも超転生等で化ける可能性があるので各1体ずつは確保すべきなのは当然なのですが、無料100連があり全てをキープしておくとボックスがいっぱいになってしまう人も少なくなかったと思います。そういった方の取捨選択の判断材料になれば幸いです。なのであくまで現時点(2020年6月辺り)での評価です。解説は筆者の独断と偏見によるものです。

○○神などの名称は以下のgame8さんのサイトを参照しています。

game8.jp

キャラと評価

西洋神

・ミネルヴァ

超転生しているがなんとも言えない性能。さらに今は火暗黒時代なのでどう足掻いても使わない。スキブ1かつ7c無しなので火の大魔女が壊れても使わないと思う。使ったことがない。

ネプチューン

毒+エンハンススキルでニムエ降臨周回で使った記憶。超転生を控えているがスキル的に超転生したところでよほど覚醒が化けないと評価は変わらない。スキルも最悪リリスで良い。いらない。

・セレス

超転生を控えている。スキルが6ターンで打てるので覚醒が化ければスキルのポンコツさはアシストで補強することができる。転生のままではまず使わない。

・ヴィーナス

f:id:Parco1021:20200528223329j:image

イラストが可愛い。7c*3、L字*2、追い打ちかつ光の攻撃タイプなのでアリスファスカで使うことができる。スキルも3Tで指延長が打てるので環境に適している。イラストが可愛い。ただ第一線で活躍しているわけではなく、代用で使われることが多い。1体は作ってもいいと思う。イラストが可愛い。

・ハーデス

グラビティでたまに使われているのを見る。消せないドロップ回復も持っており、さらに転生で暗闇耐性+を持っているので超転生したら普通に期待できる。キープすべき。

新西洋神

・ヘルメス

f:id:Parco1021:20200531200434j:image

新西洋神唯一の超転生キャラ。使われているのをあまり目にしないが、スキブ3、7c*2、無効貫通*2と単体スペックは高いと思う。水パにとりあえず入れればそれっぽい仕事をしてくれる。使える。

・その他(アレス、アルテミス、アポロン、ペルセポネ)

ヘルメスと同様の系統の超転生した場合、全員無難に強い性能になる。ただ他神を見る限り同系統の性能になる可能性は低いので何とも言えない。現性能では使わない。アルテミスのイラストに期待大。

西洋神シリーズ第3弾

・全員

キャラが揃ってない場合の属性吸収枠で使ったことがある。

和神

カグツチ

追い打ちマン。金剛夜叉明王大威徳明王がいるならいらない。どちらもいないなら周回で使う場合があるのでとっておきましょう。基本はいらないです。

・オロチ

超転生したが使わない。いらない。オワリ。

スサノオ

f:id:Parco1021:20200531200417j:image

超転生してスキブ3、暗闇+、ドラゴン悪魔キラーがついた。バランスタイプなのでどんなキラーも潜在でつけることができる。スキルも3ターン半減&ヘイストなので無難に強い。とりあえず入れて強いキャラ。作りましょう。

・アマテラス

f:id:Parco1021:20200528223334j:image

イラストが可愛い。スキルもステータスも覚醒もかなり回復に寄っている。PTの回復力が低い時、回復力を補うために入れられているのを見る。作っておきましょう、イラストが可愛いので。

・ヨミ

元祖指キャラ。闇メタ環境はよく見た。今は全く使われていない。元祖回復キャラのアマテラスが超転生でああなったので超転生したら指お化けになるかもしれない。指お化けになっても使われるかと聞かれると使われないかもしれない。ただ性能は尖がる可能性が高いのでキープしてもいいかもしれない。基本いらない。自分は個人的に好きなキャラ。

書いている途中で超転生がきた。やはり指お化けになってお邪魔+も貰えた。思っていたより使える性能なので作ろう。

新和

イザナギ

さんたーんでえんはんすがうてる!!

インド神

・シヴァ

火の大魔女に合わせて超転生が来た場合、そのタイミングと性能に合わせられそう。勘だけど。

ラクシュミー

アマテラスと同様回復に性能がよっている。しかしアマテラスよりも回復性能は低い。しかしマシン、ドラゴン、悪魔の3種キラーがあり超覚醒で7cをつけられるため火力も一定期待できるが使われているのを見たことがない。

パールヴァティー

無効貫通*2、超追撃*3とかなり尖っているが、現環境で超追撃はほぼ使われていないかつ無効貫通を組まないと火力が出ないので使われていない。使っているのはYouTuberぐらい。

・インドラ

f:id:Parco1021:20200531200348j:image

つよい。スキルは回復力エンハ、激減+ヘイストと環境に適しておりさらに毒耐性+、スキブ4と覚醒も強い。さらに光攻撃タイプなのでファスカのサブに入れやすい。作りましょう。

ヴリトラ

超転生待ち。だと思ったらきた。

スキブや列強も多く、スキルも全体ブレス。どこか周回で使うと思う。作ろう。

新インド神

ガネーシャ(超究極)

サレーネ茂茂難民。

北欧神

フレイヤ

木闇エンハ+回復力エンハは強い。覚醒は列強化に寄っており現環境で木の列は使わない。しかし超覚醒でお邪魔耐性+がつけられるので全てが惜しい。悪くはないので作っていいかも。

・トール

スキブ5にもできるが、他の覚醒スキルが微妙。無効貫通3(スキブ3)にして無効貫通特化型としても7cが無いため無効貫通を組まないと火力が出ない。エンハンスはアリスでいいしなぁ…。一応光の攻撃タイプ。スキルも合わせて実質スキブ6なので変身パにはよさそう。

 

エジプト神

・ホルス

f:id:Parco1021:20200531200303j:image

スキルターンが短い上にスキブも十分あり、後述するがかなりランダン適正が高いためランダンでめちゃくちゃ使う。転生、超転生どちらも使うが、転生の方がランダン適正が高いので1体しかいない場合は転生で止めておきましょう。

転生/超転生 属性 ガドブレ スキブ L字 封印 2way
転生 火/水 3 2 1
超転生 火/光 3 1 2 ×

ランダンにおいて重要な要素をピックアップして表にまとめました。

①ランダンにおいて水属性が不足することがある。

②封印耐性が不足する時がある

③超転生にはない2wayでポイント稼ぎができる

以上の3点から転生ホルスの方がランダンにおいて優秀。当然超転生ホルスの方が攻略においては優秀だがそもそも攻略において使用されていないため1体しか持っていない場合は転生にしておくべき。

・バステト

スキルターンが短いため、周回編成やランダンで使用したいスキルをアシストされて使われているのを見る。リーダースキルも使いやすい。なんか無難にちょこちょこ使う。

・ラー

f:id:Parco1021:20200531200247j:image

サンバーストナックル!!ポチポチで無限に使うので5体出たら5体取っておくべき。

・アヌビス

f:id:Parco1021:20200531200232j:image

ランダンマジックリン杯の時によく高火力リーダーとして使われる。スキルも軽くて良い。作るべき。

新エジプト神

・セト

転生して7c*3になった。火が弱いので使われていないが火の大魔女次第ではワンチャンある…かも?

・ネフティス

極連の周回で使った。列強化とターンの短い列変換が偉い。

天使

・ラファエル

超転生したがなんともいえない性能におちついた。

・ルシファー

f:id:Parco1021:20200531200139j:image

50%以下強化*3、スキブ3で周回編成でよく使う。他にも単体ブレスで使ったりした。作りましょう。

新天使

・リュエル

今は使われていないが、毒耐性+、スキブ4とスペックは高い。木属性が弱いだけでワンチャンある。

・アリエル

f:id:Parco1021:20200531200118j:image

お邪魔耐性+、スキブ4、光攻撃タイプ。強い。リュエルと違って光属性は強い上にファスカのサブにも入れられる。スキルターンも短いので傘等継承させるもよし、4Tに一回光ドロップを4個生成させるもよしで普通に強い。

・ルミエル

暗闇耐性+、スキブ4、無効貫通*2で強いと思うが使われているのを見たことがない。が、闇属性が強いのでどこかで使うポン入れしても強いと思う。

悪魔

アスタロト

オールアスタロトで裂界攻略してるのを見たのでポテンシャルはあると思う。過激派オタクが多いキャラなのでとっておきましょう。

・堕ルシ

f:id:Parco1021:20200531200104j:image

スキブ4の神キラー*2でさらに潜在で神キラーも振れるのでランダンや周回でしばしば使う。スキルも軽めなので継承で陣打てるのも◎。数体持っていて良い。

四神

・レイラン

7c*3で普通に火力は出るが、無効貫通がないので単色パに入れるかと言われると怪しい。武器は強い。

・カリン

スキブ4。武器は強い。

・メイメイ

7c*2、ドラゴン悪魔キラー。本体を使うかと聞かれたら微妙。武器は強い。

・サクヤ

本体は微妙。武器も他の四神と違いバインド耐性がないことに注意。

・ハク

f:id:Parco1021:20200531200034j:image

2wayお化け。周回で使えそう。武器は強い。

英雄神

超転生がそろそろきそう。それだけ。

三国神

呂布

f:id:Parco1021:20200531200014j:image

リーダースキルがMAX24倍出る火力お化け。50%以下*3で本体も火力が出るため周回でよく使われる。極連も周回できる。

新三国神

貂蝉

f:id:Parco1021:20200531195930j:image

暗闇耐性、スキブ4おまけにL字でまず覚醒が強い。さらにスキルも2ターンで溜まり、覚醒無効2ターン回復、操作延長と普通に強い。2ターンで溜まるので傘との相性も良い。最強星5なので育成しましょう。

戦国神

毛利元就

バランスキラー*2であり、潜在でもバランスキラーが触れる。ランダンや周回で使う可能性がある。使ったことないけど。

明智光秀

回復キラー*2であり、潜在でも回復キラーを振ることができる。YouTuberで使っているのを見たことがないが、自分はちょこちょこランダンで使う。

新戦国神

はい。

星機神

はい。

新星機神

はい。

明王

金剛夜叉明王大威徳明王

f:id:Parco1021:20200531195920j:image

f:id:Parco1021:20200531195914j:image

マルチブースト*2の200倍追い打ちとマルチであれば最大ダメージの追い打ちをすることができる。どちらも使う可能性があるので両方確保。

ケルト

・ブリギッド

マシンキラー*3なのでランダンで使うかも。使ったことないけど。

・ルー

元祖吸収無効キャラ。今は使わないけど吸収無効いないなら取っておこう。

メソポタミア

ギルガメッシュ

ルーと同じ

忍者

全員武器化すると3種耐性の1つ*2耐性武器となるため武器が少ない人は武器を確保。

ライダー

はい。

パズドラZ

・アヴァロンドレイク

f:id:Parco1021:20200531195909j:image

木・光の二色陣で主に継承させてランダンで何度も使った。確保しよう。

ヴァルキリー

各色ヴァルキリーはドット進化することで攻撃キラー*3と各耐性+をつけることができきる。攻撃キラーを3つ付けられるキャラはヴァルキリーを除くと数体しかいない。さらに7cと無効貫通がついているのはヴァルキリーシリーズだけ。ランダンなど、いつ使うことになってもおかしくないから取っておく。

勇士

・ショーテル、クレイモア、正宗、コピス、ツヴァイハンター

全員キラー武器になる上スキルも唯一性があるものなので取っておく。

幻獣ライダー

はい。

宝石姫

・カラット

f:id:Parco1021:20200531195856j:image

最強エンハンス。コレは通常ガチャでしか出ないので所謂"カラット難民"が続出している。

・その他(シルク、カメオ、ファセット、シーン)

それぞれエンハンス武器になるので1体はとっておく。

伝説の英雄

はい。

 

おわりに

とりあえず、このページにおいて解説しているキャラはとっておきましょう。特に画像付きのキャラは使用頻度がまあまあ高いのでとっておくだけでなく、最終進化の状態までしておくと良いです。異論は受け付けます。コメントなどで御意見、御質問お待ちしています。適宜訂正していきたいと思いますので宜しくお願い致します。

統計学入門(基礎統計学Ⅰ)第8章演習問題

第8章

8.1

確率変数X_1,X_2,...X_nは独立で、ベルヌーイ分布[tex: Bi(1,p)に従っている。中心極限定理から、

 P(L≦X_1+X_2+...+X_n≦U)-0.95

となる L,Uを定め、 n=700,p=0.4のときのL,Uの値を求めよ。

ベルヌーイ分布の期待値、分散は6章のものを使用します。

平均で引いて標準偏差で割る標準正規化を施すと平均0,分散1の標準正規分布に従うため、正規分布表を使用することができます。

f:id:Parco1021:20200524002855j:image

 

8.2<ランダムウォーク>

確率変数X_1,X_2,...,X_nは独立で、確率分布

P(X_i=1)=p,P(X_i=-1)=q (i=1,2,...n)

に従っている。ただし、q=1-p

(1)nが大きいとき、 S_n=X_1+X_2+...+X_nの近似的確率分布を求めよ

 

f:id:Parco1021:20200524002900j:image

 

8.3

昨シーズンを2割8分の打率で終わった打者が、今シーズンもこの確率でヒットを打つものとし、450打席であるとすると、3割バッターになれる確率はどれくらいか、またこのバッターが、確率0.2以上で3割バッターになろうとすると、打率はどのぐらいでなければならないか。

 

f:id:Parco1021:20200524002904j:image

このような結果になるのは面白いです。

 

 

統計学入門(基礎統計学Ⅰ)第7章演習問題後半

第7章後半

前半↓↓

parco1021.hatenablog.com

7.6<2次元正規確率変数の生成>

X,Yは独立で、ともに標準正規分布N(0,1)に従う確率変数とする。

(1)定数cを適当に選んでX,cX+Yの相関係数が0.5となるようにせよ

(2)同じく、ρとなるようにせよ

(3)X,Yから、与えられた2次元正規分布 N( (0,0),(σ_1^2,σ_2^2,σ_1σ_2ρ)) に従う確率変数U,Vを作れ

(3)は(2)を利用して解きます。(2)を利用せずにU=aU'+b,V=cV'+dとおいても解けますが、せっかくなので(2)を使いましょう。

f:id:Parco1021:20200523034538j:image

 

7.7<システムの直列と並列>

 システム S_1,S_2の寿命X_1,X_2 は確率変数であって独立で、指数分布 Ex(λ) に従っている。

(1) S_1,S_2が並列に結合されている全体システムの寿命Yの確率分布を求めよ

(2)同じく、直列の場合はどうか

答案に書いてある通りなのですが、並列システムは全てのシステムがダウンした時にそのシステムがダウンし、直列システムはどれか1つでもシステムがダウンするとそのシステムがダウンします。ゆえに(並列システム)=Max(各システム)、(直列システム)=Min(各システム)となります。

f:id:Parco1021:20200523034655j:image

 

7.8<極値統計学>

確率変数 X_1,X_2,...,X_nは独立で、同一の確率分布に従っている。その密度関数をf(x),累積分布関数をF(x)とする。最大値、最小値

U=Max(X_1,X_2,...,X_n), V=Min(X_1,X_2,...,X_n)

のそれぞれの累積分布関数および密度関数を

(1)f(x)が[0,1]上の一様分布の場合

(2)f(x)が指数分布Ex(λ)の場合

(3)f(x)が一般の連続分布の場合

のそれぞれの場合に対して求めよ。

7.7と同じ解き方をします。

f:id:Parco1021:20200523034557j:image

 

7.9<たたみこみの計算>

たたみこみの直接計算によって、二項分布、ポアソン分布、正規部ぬの再生性を証明せよ。すなわち、 X,Yが独立で

(1)pが等しい二項分布に従うならば、X_1+X_2も二項分布に従う

(2)ポアソン分布に従うならば、X_1+X_2ポアソン分布に従う

(3)正規分布に従うなら、X_1+X_2正規分布に従う

ことを証明せよ 

(1)において、ヴァンデルモンドの畳み込みを使用しています。これについては本記事では触れないので以下のサイトを参照してください。

mathtrain.jp

(3)の最後はガウス積分を用いても良いのですが、筆者は正規分布積分(=1)として考えています。本質的にはどちらも変わりません。計算量がとても多いですが頑張りましょう。

f:id:Parco1021:20200523034604j:image

f:id:Parco1021:20200523034608j:image

f:id:Parco1021:20200523034621j:image

 

 

 

統計学入門(基礎統計学Ⅰ)第7章演習問題前半

第7章前半

7.1<線形演算と分散>

次の分散の式を証明せよ

(1){\displaystyle V(X+Y)=V(X)+V(Y)+2Cov(X,Y) }

(2){\displaystyle V(aX+bY)=a^2V(X)+b^2V(Y)+2abCov(X,Y) }

{\displaystyle Cov(X,Y)=E(XY)-E(X)E(Y) }を用いて証明します。

(2)は{\displaystyle V(aX)=a^2V(X) }であることに注意してください。

f:id:Parco1021:20200518034510j:image

 

7.2<ポートフォリオ>

(1){\displaystyle E(R_ρ),V(R_ρ) }を求めよ

(2){\displaystyle V(R_ρ) }の最小値を求めよ

(3)省略

通常通り期待値と分散を求めます。そして(2)ではその求めた分散をxについての関数として考えることで微分して最小値を求めます。

ここで注意すべきなのは分散の関数が下に凸であることと、最小値をとるxの値が相関係数と分散によって変わってしまうことです。本当に下に凸であるか確かめてみてください。

f:id:Parco1021:20200518034520j:image

f:id:Parco1021:20200518034529j:image

 

7.3<独立と無相関> 

2つのつぼA,Bの中に3個のボールを投げ入れる。つぼAの中に入ったボールの数をX,ボールの入っているツボの数をYとするとき、X,Yの同時確率分布を求めてXはYとは無相関であるが、独立でないことを示せ。

XとYが無相関⇔Cov(X,Y)=0であることと、XとYが独立でない⇔P(X,y)≠P(X)P(Y)であることを目標にして解いていきます。 

f:id:Parco1021:20200518034557j:image

7.4<秤量問題> 

2つの物体A,Bの重さma,mbを測りたい。A,Bそれぞれを片側に乗せて測る方法(Ⅰ)と一方にA,B両方を載せて重さの和を測り、天秤の両方に乗せて差を測りそこから算出する方法(Ⅱ)がある。どちらがより優れた測定方法か答えよ。ただし、天秤の測定誤差の分散はつねに{\displaystyle σ^2 }である。

 

f:id:Parco1021:20200518034602j:image

7.5<相関係数の線形不変性>

U=aX+b,V=cY+d(ac>0)のとき、

{\displaystyle ρ_{UV}=ρ_{XY} }を証明せよ

f:id:Parco1021:20200518034606j:image

 

 

 

【参考書感想】実践GAN ~敵対的生成ネットワークによる深層学習~ (Compass Booksシリーズ)

はじめに

今回は実践GANという参考書の感想を書いていきます。

 

 

概要

2020年2月26日に初版が発行されたばかりの新しい本です。原著は海外のものであり、それを日本語訳した参考書となっています。情報は2020年1月時点のものであると書かれています。

内容についてはタイトルにもある通りGAN周りの題材のみ扱っています。Python,Kerasを用いてソースコードは書かれており、数学的な解説はほとんどありません。

GANについて基礎から応用まで扱われています。どのような内容かは目次を見てください。

次は対象者です。Pythonの経験が2年程度、機械学習についての知識があること、線形代数などの大学数学の基礎ができていることが挙げられていましたが、これについては後々感想にて書きます。

目次

Part 1 GANと生成モデル入門

  • 1章 はじめてのGAN
  • 2章 オートエンコーダを用いた生成モデル
  • 3章 はじめてのGAN:手書き文字の生成
  • 4章 深層畳み込みGAN: DCGAN

Part 2 GANの発展的な話題

  • 5章 訓練とよくある課題: GANをうまく動かすために
  • 6章 プログレッシブなGAN
  • 7章 半教師あり学習
  • 8章 条件付きGAN
  • 9章 CycleGAN

Part 3 ここからどこへ進むべきか

  • 10章 敵対的サンプル
  • 11章 GANの実用的な応用
  • 12章 将来に向けて

感想

まず、訳本であるため多少は仕方がないのですがとても読みにくい印象を受けました。英語のような言い回しがそのまま訳されて記述されていました。Google翻訳かな?って感じです。

対象読者について上で述べましたが、あそこまでの知識を必要としないと思います。ソースコードは記されているのですが、最低限動く程度のものであるためそもそも動かす必要がありません。また、数学的な解説はとても少なく、線形代数学の知識も要しません。しかしさすがに機械学習の知識(損失関数が何か、誤差逆伝播法とはどのようなものか)などがわからない場合は本書を読むのは苦しいと思います。よってPythonのコーディング力や数学の知識は必要ありません(そもそも機械学習の知識にはそれらが含まれているような気もしますが…)。

内容についてです。本書は250ページほどある厚い本ですが、扱うテーマが多いです。ゆえに1つ1つの内容は浅いものとなっています。そのため特定のテーマについて深く知るためには追加調査が必要です。

最新のものと謳われていますが、あまり2019年あたりのものはなかってのでそこは注意してください。

 

総括です。これからGANを勉強しよう!って方は買っても良いと思います。読み進めていく中で自分の興味ある題材は別途Qiitaとかの記事を読み深く理解する、といった読み方がおすすめです。色々なGANのモデルを知ることができるので理解のための教科書というよりもこんなものがあるということを知るキッカケとなる本であると捉えたほうがいいです。4000円する上に読みにくい、得られる対価を考えるとあまり勧められませんが…。

 

 
 

統計学入門(基礎統計学Ⅰ)第6章演習問題後半

 

前回↓↓

parco1021.hatenablog.com

第6章後半

6.6<記憶喪失性と瞬間故障率>

(1)確率変数Xが指数分布に従う時、

{\displaystyle P(X>a+b|X>a)=P(X>b) }

を示せ。またこの意味は何か

(2)指数分布{\displaystyle Ex(λ) }の密度関数をf(x),累積分布関数をF(x)とする。関数

{\displaystyle λ(x)=\frac{f(x)}{1-F(x)} }は定数となり、λとなることを示せ。

(1)aというシステムが動いている状態でaもb双方のシステムが動いている確率は、システムbが動いている確率と等しいといった内容である。

つまり現在の動作(システムb)は、過去の動作(システムa)に関わらないといえる。

(2)は関数を代入するだけ。

 

f:id:Parco1021:20200507223707j:image

 

6.7<正規分布のパーセント点>

正規分布表を見るだけなので省略

 

6.8<確率分布のモード> 

ベータ分布のモードを求めよ 

確率分布のモード、つまり最頻値は確率密度関数f(x)の値の最大値をとるxを求めよと言い換えることができる。ゆえに高校数学でやったように確率密度関数微分した。

 

f:id:Parco1021:20200507223722j:image

厳密にはf(x)の増減表を書くべきなんでしょうか…。でも確率密度関数は負の値取らないからいらない気もします。 

 

6.9<ワイプル分布> 

ワイプル分布の累積分布関数を求めよ

積分布関数を求めたいので、ワイプル分布の密度関数

{\displaystyle f(x)=(bx^{b-1}/a^b)exp{(-(x/a)^b)} (x≥0)}をxについて積分すればよい。

 

f:id:Parco1021:20200507223736j:image

6.10<正規分布、指数分布の尖度>

モーメント母関数の展開式から、正規分布、指数分布の尖度を求めよ

方針としてはモーメント母関数をまずは求めます。次にそれをマクローリン展開し、恒等式を解くことで尖度を求めるために必要な各μをもとめる、といったものです。

 

f:id:Parco1021:20200507223747j:image

f:id:Parco1021:20200507223755j:image

 問題文にはただの正規分布としか書かれていなかっらので面倒だなって思っていたのですが、解答を見ると標準正規分布でよさそうです。

 

 

 

 

 

統計学入門(基礎統計学Ⅰ)第6章演習問題前半

はじめに

5章までTexを使って記述していたためとても時間がかかってしまいました。自分で解いたものを再度書き直すことは効率が悪いため今回からは解いたものを写真で撮り、貼り付けます。自分自身解答しながら書いているため字が読みにくいこととスキャナーを持っていないため直撮りとなってしまいそもそも見にくくなる可能性があります。ご了承ください。ここが読みにくい等ありましたら、ブログ下部お問い合わせフォームまたはコメントでお聞きください。

第6章

6.1<二項、ポアソン分布の分散>

二項分布、ポアソン分布のおのおのに対し、分散の式を証明せよ 

どちらも基本方針は

{\displaystyle V(X)=E(X^2)-E(X)^2 }

から求めることとしています。また、前提条件として期待値{\displaystyle E(X) }は得られているものとします。

解答の①はそれぞれ二項分布、ポアソン分布の確率密度関数を示しているのでそのΣをとると1になることに注意してください。

f:id:Parco1021:20200428182452j:image

f:id:Parco1021:20200428182501j:image

 

6.2<急患用ベッド数>

ある病院において常に4人の空きベッドを確保している。ここへ収容される急患数Xがλ=2.5のポアソン分布に従う時、ベッドが不足する確率を求めよ 

{\displaystyle P_0(2.5) }に従い、ベッドが不足する、つまり急患が5人以上となる確率{\displaystyle P(X≥5)=1-P(X≦4) }を求めます。

f:id:Parco1021:20200428191506j:image

 

6.3<負の二項分布> 

負の二項分布を導出せよ 

f:id:Parco1021:20200428191527j:image

 

6.4<Odd man out> 

(1) コインの表、裏の確率をそれぞれp,q(=1-p)とする。これらのコインn個を同時に投げる時、ちょうど1個だけが他のn-1個と異なった結果となる確率Pを求めよ。なお、n≥3とする。

(2) n人いて、各自コイン1枚を同時に投げる操作を繰り返し、ちょうど1人だけが他のn-1人と異なる結果となるまでの繰り返し数の期待値を求めよ。

(2)は1回成功するまでの確率分布であるため幾何分布となる。その期待値である{\displaystyle \frac{1}{p} }を用いる。

 

f:id:Parco1021:20200428191605j:image

 

6.5<密度関数の規格化定数>

f(x)が確率密度関数となるように定数cを求めよ。また、この確率分布の期待値、分散、歪度、尖度を求めよ。

f(x)は解答用紙に書いてある通りです。今回は確率密度関数が偶関数であったためそれぞれ導出するのが簡単でした。

 

f:id:Parco1021:20200428191616j:image

 

続き↓↓

 

parco1021.hatenablog.com

 

 

 

統計学入門(基礎統計学Ⅰ)第5章演習問題後半

前半↓↓

parco1021.hatenablog.com

第5章後半

5.5

正n面体で1,2,...nの乱数を発生させる。乱数の期待値と分散を求めよ。

ただし正n面体は4,6,8,12,20を表す。 

密度関数は1~nが一様に並んでいるため{\displaystyle f(k)=\frac{1}{n} }となる。

ゆえに期待値は{\displaystyle E(X)=\sum_{k=0}^n k*\frac{1}{n}=\frac{n(n+1)}{2}*\frac{1}{n}=\frac{n+1}{2} } 

また、同様に

{\displaystyle E(X^2)=\sum_{k=0}^n k^2*\frac{1}{n}=\frac{(n+1)(2n+1)}{6} }

よって分散は

{\displaystyle V(X)=\frac{(n+1)(2n+1)}{6}-\frac{(n+1)^2}{4}=\frac{n^2-1}{12} }

5.6<一様分布の平方変換>

確率変数Xが[0,1]上の一様分布に従うとき、{\displaystyle X^2 }の累積分布関数、密度関数、期待値、分散を求めよ 

積分布関数は省略します。密度関数を積分するだけで累積分布関数が求まるので。

{\displaystyle y=g(X)=x^2 }から、{\displaystyle x=\sqrt{y}(x≥0) }より

{\displaystyle \frac{dx}{dy}=\frac{1}{2\sqrt{y}} }

よって密度関数h(y)は

{\displaystyle h(y)=f(g^{-1}(y))\frac{dx}{dy} }

xの密度関数は{\displaystyle f(x)=1 }より

{\displaystyle h(y)=1*\frac{1}{2\sqrt{y}}=\frac{1}{2\sqrt{y}} }

次は期待値です。

{\displaystyle E(y)=E(g(x))=\int_0^1 yh(y)dy\\=\int_0^1g(x)f(x)dx=\frac{1}{3}}

分散は

{\displaystyle V(y)=V(g(x))=\int_0^1(y-E(y))h(y)dy\\=\int_0^1(g(x)-E(y))^2f(x)dx=\frac{4}{45} }

5.7<正規分布の平方変換>

正規分布Xがμ=0.σ=1に従うとき、{\displaystyle X^2 }の累積分布関数、密度関数、期待値、分散

基本的に先ほどと同様なので大幅に省略して書きます。

{\displaystyle f(x)=\frac{1}{\sqrt{2π}}\exp{-\frac{x^2}{2}} }

{\displaystyle y=g(x)=x^2 }

{\displaystyle x=±\sqrt{y} }

今回の正規分布Xはx=0において対象であるため、x≥0(x=+√y)とし、2倍する。

{\displaystyle h(y)=2*\frac{e^{-\frac{y}{2}}}{\sqrt{2π}}*\frac{1}{2\sqrt{y}}=\frac{e^{-\frac{y}{2}}}{\sqrt{2πy}} }

すみません、さすがにTEXを書くにも読むにも疲れたので期待値と分散は省略します。ガウス積分を用いるので注意してください。

5.8

積分布関数は{\displaystyle F(x)=P(X≦x)で定義されるが、G(x)=P(X<x)) }で定義される場合どこが異なるか、2項分布の例で示せ。

A.左連続となる。

数式的な証明は筆者はできないが、≦であった場合、限りなくlim[x→x0]F(x)とF(x0)が異なることは離散型確率分布の累積分布関数を考えればわかるであろう。しかしこれを<とすることでx0へはそもそも定義されない。ゆえに左連続といえるのではと解釈した。

ここは自信がないためまた理解できたら記述する。

https://mathtrain.jp/sayuulimit

http://user.numazu-ct.ac.jp/~hmatsu/14resume06.pdf

統計学入門(基礎統計学Ⅰ)第5章演習問題前半

第5章(前半)

5.1<一様分布>

(1)[0,6]上の一様分布の密度関数、期待値、分散 

密度関数{\displaystyle f(x) = \frac{1}{6} (0≦x≦6) } 

期待値{\displaystyle \int_0^6 xf(x)dx = \int_0^6 x\frac{1}{6}dx=3 }

分散{\displaystyle  V(X) = E(X^2)-E(X)^2}を使います。

{\displaystyle E(X^2)=\int_0^6 x^2\frac{1}{6}dx = 12 }

よって

{\displaystyle V(X)=12-3^2=3 }

(2)(1)と同じ確率分布においてチェビシェフの不等式の成立

まず、チェビシェフの不等式を示します。

いかなる不等式においても

{\displaystyle P(|X-μ|≥kσ)≦\frac{1}{k^2} }が成り立つことです。

{\displaystyle μ=3,σ=\sqrt{3} }であるため

{\displaystyle P(|x-3|≥\sqrt{3}k)≦\frac{1}{k^2} }を示せばよいです。

図示すると、

f:id:Parco1021:20200417165422p:plain

このようになるため、青で塗りつぶされた部分の面積が左辺となります。

つまり、

{\displaystyle (左辺)=2*(3-\sqrt{3}k)*\frac{1}{6}=1-\frac{k}{\sqrt{3}} }

よって

{\displaystyle 1-\frac{k}{\sqrt{3}}≦\frac{1}{k^2} }を示せばよいです。

この不等式の証明は面倒くさいので省略しますが、(右辺)-(左辺)をしてk^2>0を両辺に掛けて3次関数にして微分して~ってすればいけます。これによりチェビシェフの不等式が証明できました。

(3)[0,1]上の一様分布の歪度、尖度

{\displaystyle E(X-μ)^3=E(X^3)-3μE(X^2)+3μ^2E(X)-μ^3 }

{\displaystyle μ=E(X) }より

{\displaystyle E(X-μ)^3=E(X^3)-3μE(X^2)+2μ^3 }

歪度(わいど)は

{\displaystyle α^3=\frac{E(X-μ)^3}{σ^3} }から求まる。歪度を求める下準備をする。

{\displaystyle E(X^3)=\int_0^1x^3*1dx=\frac{1}{4},\\E(X^2)=\frac{1}{3},E(X)=\frac{1}{2} }

これらを使って

{\displaystyle E(X-μ)^3=\frac{1}{4}-3*\frac{1}{2}^2*\frac{1}{3}+3*\frac{1}{2}^3=0 }

よって歪度は0

尖度(せんど)は

{\displaystyle α^4-3=\frac{E(X-μ)^4}{σ^4}-3 }(3は正規分布と比較するための数値)

{\displaystyle E(X-μ)^4=E(X^4)-4μE(X^3)+6μ^2E(X^2)-3μ^4\\=\frac{1}{80} }

{\displaystyle σ^2=E(X-μ)^2=E(X^2)-2μE(X)+μ^2=\frac{1}{12} }

よって

{\displaystyle α^4-3=\frac{9}{5}-3=-\frac{6}{5} }

5.2

該当のデータが見つからなかったので省略

5.3<聖ペテルスブルクの逆説>

コインを繰り返し投げ、初めて表がでた時に終了する。n回目である時に {\displaystyle 2^n }円を得ることができる

(1)得られる額Xの確率分布

(2)E(X)は存在しないことを示せ

(1)コインを連続して裏を出し続けると考えると、

{\displaystyle P(X=2^k)=\frac{1}{2^k} }

(2)それでは先ほど求めた確率分布の期待値を出します。

{\displaystyle E(X)=\sum_{k=1}^∞2^k*\frac{1}{2^k}=∞ }

期待値が∞となったため存在しないことの証明となりました。この問題は聖ペテルスブルクの逆説と呼ばれており、直感的な期待値と統計的推測が異なるものです。

数学って面白い!? : 聖ペテルスブルグのパラドクス - livedoor Blog(ブログ)

5.4<最小平均2乗>

 {\displaystyle E(X-a)^2を最小にするa }とその最小値

 {\displaystyle E(X-a)^2=E(X^2)-2aE(X)+a^2 }

ここで、

{\displaystyle E(X-μ)^2=E(X^2)-E(X)^2=σ^2 }より

{\displaystyle E(X^2)=σ^2+μ^2 }

よって

{\displaystyle E(X-a)^2=σ^2+μ^2-2aμ+a^2 }

{\displaystyle E(X-a)^2=(a-μ)^2+σ^2 }

最小値は

{\displaystyle a=μ=E(X)の時、σ^2 }

 

 
後半↓↓

統計学入門(基礎統計学Ⅰ)第4章演習問題(ベイズの定理など)

第4章(確率)

4.1<ド・メレの問題>

(1) サイコロを4回投げる時、6の目が少なくとも1回出る方に掛けるか、出ない方に掛けるか

これは確率の定番の問題ですね。全て6以外の目が出る確率を求めます。1回投げた時、6以外の目が出る確率は5/6であるため

{\displaystyle (\frac{5}{6})^4=\frac{625}{1296}\leq\frac{1}{2} }

となるため、少なくとも1回出る方へかける方が良い。

(2)サイコロを2個同時に24回投げる時、(6,6)の目が少なくとも1回出る方にかけるか否か 

先ほどと同様に解く。 1回投げた時、(6,6)の目が出ない確率は1-1/36=35/36であるため

{\displaystyle (\frac{35}{36})^24≒0.508\geq\frac{1}{2} }

よって出ない方へかけたほうが良い。

4.2<ホイヘンスの14問題>

2個のサイコロを何回投げればそのうちの1回は和が12になる確率が0.9を超えるか 

先ほどの問題と似ています。和が12になる事象=(6,6)が出る事象である。つまり、(6,6)の目が出ない確率1/35をn回投げた時の確率が1-0.9=0.1以下となる最小のnを求めることを目標とする。

{\displaystyle (\frac{35}{36})^n\leq\frac{1}{10} }

これを解くとn=82となる。

4.3

30人を15人ずつ2グループに分ける分け方を求める。30人から15人を選べばもう一方のグループも一意に決まるので

{\displaystyle _{30}C_{15}}通り

4.4

r人いるとして、同じ集団に2人以上同じ誕生日の人がいる確率

今回も、1-(全員誕生日が異なる確率)を求めることを目標とします。

r人と言われるとわかりにくいので小さい具体的な人数で解いてみましょう。

r=2の時、2人の誕生日が異なる確率は364/365です。これは1人の誕生日以外をもう1人が誕生日としていればいいためです。

r=3の時、先ほどの2人が異なる確率364/365にさらにもう1人がその他2人と誕生日が異なればいいため363/365を掛けて{\displaystyle \frac{364}{365}×\frac{363}{365} }のように求めることができる。

同様に考えていくと、r人の時、{\displaystyle \frac{364}{365}×\frac{363}{365}×…×\frac{365-r+1}{365} }となる。

これでr人の誕生日が被らない確率を求めることができたので解は

{\displaystyle 1-\frac{364}{365}×\frac{363}{365}×…×\frac{365-r+1}{365} }

4.5

省略

4.6<ガリレイの問題>

3つのサイコロを投げて目の和が9になる場合と10になる場合は共に6通りしかない。これから、両者の確率は等しいと言えるか。

まず、直感的に考えると等しくなさそうですよね。カタンでも9は大きいけど10は小さいですし。カタンはサイコロ2つでしたね。すんまそん。

ではキチンと考えてみましょう。事象数を考えてみます。

9の場合、

(1,2,6)(1,3,5)(2,3,4)が6通りずつ

(1,4,4)(2,2,5)が3通りずつ

(3,3,3)は1通り

となっています(重複する並びを許さないため)。

では次に10の場合、

(1,3,6)(1,4,6)(2,3,5)が6通りずつ

(2,2,6)(2,4,4)(3,3,4)が3通りずつ

つまりこれから、和が9となる確率と10となる確率は異なり、10の方が高いことがわかる。

4.7<癌の診断>

(1){\displaystyle P(A|C)=P(A^c|C^c)=0.95,P(C)=0.005 }の時、P(C|A)を求めよ

Cは癌である事象であり、Aは検査結果が陽性である事象です。つまり今、癌である確率(事前確率)が0.005とわかっており、癌である時、検査で陽性となる確率が0.95であることがわかっています。ここから検査で陽性である時、癌である確率(事後確率)を求めます。結果から原因の確率を求めるのでベイズの定理を使います。

ベイズの定理

{\displaystyle P(H_i|A) = \frac{P(H_i)*P(A|H_i)}{\sum P(H_i)*P(A|H_i)} }

今回、原因である{\displaystyle H_iはCとC^c }があることに注意して解きます。

{\displaystyle P(C|A) = \frac{P(C)*P(A|C)}{P(C)*P(A|C)+P(C^c)*P(A|C^c)} }

上式に、{\displaystyle P(C)=0.005,P(C^c)=1-0.005=0.995, }

{\displaystyle P(A|C)=0.95,\\P(A|C^c)=1-P(A^c|C^c)=1-0.95=0.05 }

を代入すると

{\displaystyle P(C|A) = \frac{0.005*0.95}{0.005*0.95+0.995*0.05}≒0.087 }となる。計算は小数ではなく分数で計算しましょう。低いですね。

(2) (1)において、{\displaystyle P(A|C)=P(A^c|C^c)=R,P(C)=0.005 }である時、{\displaystyle P(C|A)\geq0.9 }となるRの範囲を求めよ

 同様にベイズの定理を使います。

{\displaystyle P(C)=0.005,P(C^c)=1-0.005=0.995, }

{\displaystyle P(A|C)=R,P(A|C^c)=1-P(A^c|C^c)=1-R }を代入すると

{\displaystyle P(C|A) = \frac{0.005*R}{0.005*R+0.995*(1-R)}\geq0.9 }

これを解くと、{\displaystyle R\geq0.9995 }となり、非常に高い精度が求められることがわかる。

 

統計学入門(基礎統計学Ⅰ)第3章演習問題(ブートストラップ法など)

第3章(2次元データ)

3.1

データが多く、面倒くさいのでやりません。散布図を求め、相関係数を求める問題は多くあるのでそちらをやりましょう。

3.2

タバコと肺がんの関係は統計的にあることが証明されているが、自分が喫煙者としてどう正当化すべきか、との問題でしたが思い浮かばないので省略します。

3.3

4グループ*30位の順位づけデータがあり、それぞれ好きな組み合わせでスピアマン、ケンドールの順位相関係数を求めよ。

スピアマンの順位相関係数

{\displaystyle r_s=1-\frac{6}{n^3-n}\sum_i(R_i-R_i')^2}

6が出てくることに違和感がありますが、これは順位(1,2,...n)の2乗の和、つまりΣn^2の1/6からきています。詳しい導出方法は別途ご覧ください。

スピアマンの順位相関係数 統計学入門

ケンドールの順位相関係数

i,j(1,2,...n)があり、{\displaystyle R_iとR_j}の上下関係が同じである場合には+1,異なる場合には-1とします。それらをすべての組み合わせ{\displaystyle nC_2}パターン全て行い、加算したものをGとすると

{\displaystyle r_k=\frac{G}{n(n-1)/2}}

分母はn個から2個選ぶnC2からきています。

 

これらの相関係数からわかる通り、30順位をやるのは骨が折れるので5まで圧縮します。以下のデータの数値は危ないと思う技術や行動の順位です。

カラム={原子力,自動車,銃,喫煙,バイク}

A={1,2,3,4,5}

B={1,4,2,3,5}

これのA,Bの順位相関係数を求めます。

{\displaystyle r_s=1-\frac{6}{5^3-5}((1-1)^2+(2-4)^2\\+(3-2)^2+(4-3)^2+(5-5)^2)=0.7}

次はケンドールの順位相関係数を求めます。

(1,1)と(2,4)は+1

(1,1)と(3,2)は+1

(1,1)と(4,3)は+1

(1,1)と(5,5)は+1

(2,4)と(3,2)は-1

(2,4)と(4,3)は-1

(2,4)と(5,5)は+1

(3,2)と(4,3)は+1

(3,2)と(5,5)は+1

(4,3)と(5,5)は+1

全て足すと8-2=6です。

{\displaystyle r_k=\frac{6}{5(5-1)/2}=0.6}

3.4<ブートストラップ>

まず、乱数を生成しサンプリングをし、さらにサンプル内の相関係数を求めるプログラムを書きます。

f:id:Parco1021:20200409174009p:plain

そして次にこれを200回繰り返し、相関係数ヒストグラムを作ります。

f:id:Parco1021:20200409174215p:plain

f:id:Parco1021:20200409174239p:plain

このように、母集団から標本を繰り返し抽出し、母集団の性質を推定する方法をブートストラップ法といいます。本データではサンプリングして相関係数を求めた結果、大体0.5ぐらいであることがわかります。

 

今回のコードもgithubへあげています。

github.com

 

 

 

 

 

統計学入門(基礎統計学Ⅰ)第2章演習問題

はじめに

今回は統計学入門(東京大学出版)の第2章の演習問題を解いていきます。

※注意※

本書には解答のみ載っており、導出過程が書かれていません。そのためこのような記事を書こうと思いました。筆者は統計については勉強中ですので誤り等ありましたら教えていただけると嬉しいです。

第2章

2.1は調べても出て来なかったので省略します。

2.2<ジニ係数>

データ{\displaystyle x_1,x_2,...x_n}がある時、

{\displaystyle \sum_i^n\sum_j^n|x_i-x_j|/n^2}

平均差と言います。つまり、全ての要素の組み合わせの差の絶対値の平均です。なので差の平均ですね。

 

{\displaystyle \sum_i^n\sum_j^n|x_i-x_j|/2n^2\overline{x}}

ジニ係数と言います。

詳細は以下のサイトを見てください。ザックリいうと"どれだけ不平等か"を示す時に使われるものです。

bellcurve.jp

今回はA:0,3,3,5,5,5,5,7,7,10

B:0,1,2,3,5,5,7,8,9,10

C:3,4,4,5,5,5,5,6,6,7

について平均差とジニ係数を求めます。それぞれ手計算で平均差を計算してもいいのですが、さすがに10*10の100通りを3回やるのは面倒なのでスクリプトを書きました。

f:id:Parco1021:20200405223347p:plain

わざわざ関数にする必要はなかったのですが、平均差とジニ係数それぞれわかりやすくするためにしました。定義通り計算していくだけです。

 

2.3<エントロピー>

エントロピーとは簡単に言うとどれだけ乱雑かをしめすものです。

{\displaystyle H(p_1,p_2,...p_k) = -\sum_i^kp_ilogp_i}

の形で示されます。{\displaystyle p_i}は相対頻度です。つまり総データ数100においてある事象が10回である時、{\displaystyle p_i=10/100}となります。また、対数の底は2か10を使うのが一般的です(今回は10としています)。

問題は与えられたデータ(現在と10年前の学生100人の出身地のデータ)を集中性の観点から分布を比較せよ、というもの。これには先に述べた通りエントロピーを使う。

f:id:Parco1021:20200405224304p:plain

 この出力からわかる通り、現在も10年前においてもエントロピー、つまり集中性はあまり変化していない。よって現在も10年前も出身地のバラつきはあまり変化していないといえる。

 

2.4<諸得点>

2.2におけるBについて、標準得点と偏差値得点を求める。

標準得点は各データを{\displaystyle z_i=(x_i-\overline{x})/s}とすることである。このようにすることで調整後の平均は0となり、標準偏差sは1となる。

 

偏差値得点は先ほど導出した{\displaystyle z_i}をさらに{\displaystyle T_i=10z_i+50}とすることである。これにより聞き馴染みのある偏差値を導出することができる。平均は50となり標準偏差は10となる。

f:id:Parco1021:20200405225641p:plain

確認のため変更後の平均と標準偏差も求めなおしてみました。0.99999となっていたり、2.22e-17(=2.22^10^-17)となってしまっていますがそれはビット数の都合で省略されてしまっているからです。キチンと出力できているように思えます。

 

あとがき

今回はお試しで2章を解いてみました。想像以上に時間がかかってしまったので3章以降で同様の記事を書くかどうかは決めていません。

 

演習問題の各コードはgithubに挙げておきます。参考までに。

github.com

 

 

【参考書感想】Pythonで動かして学ぶ!あたらしい機械学習の教科書第2版

はじめに

機械学習を学ぶにあたり、少しですが何冊か参考書を読んだのでこれから何回かにわけて感想を書いていきたいと思います。

今回は僕が機械学習系統で初めて読んだ本です。

 

読んだ当時、参考程度に僕は

  • 機械学習機械学習と深層学習って何が違うの??モデル???ナニソレ
  • Python→趣味で少し触った程度。参考書等は読んだことがない

 

紹介 

本書のコンセプトはタイトル通り「機械学習Pythonで実際に手を動かしながら勉強しよう!」です。

対象者は読んでみた限りですがPythonについて何も知らなくてもいいと思います。機械学習については無知で構いません。自分がそうだったので。そこから十分本書を理解できます。

はじめに結論を言いますが、本書は自分的に入門書としてかなり良書だと思っています。理由は追々。

目次

自分は5~7章、9章を重点的に読みました。

Pythonの環境すらない方も読者の対象なので安心です。第1章でPythonの導入をします。本書ではAnaconda、Jupyter Notebookを使います。

2章ではPythonの基本を学びます。if文や四則演算、リストなど簡単なものを学びます。

4章では機械学習に使用する数学、線形や微積Pythonのコードではどのように記述するのかなどを記しながら丁寧に説明してくれます。大学で数学を履修していない方でも読むことができると思います。さすがに高校数学はある程度できないとアレかもしれませんが…。

と、ここまで機械学習のための準備の章が4つありましたがこれだけで150ページ弱かけて丁寧に書かれています。

あとは目次通りの内容です。

感想

はじめに良書だといいました。それは全体を通じて計算過程がほとんど省略されておらず、「なんでこの変形になった!?」と困惑することもストレスとなることも少なかったからです。また、図も多くの場面で説明として使われています。さらに当然本書のコンセプトであるPythonのコードでの説明もされています。これにより図、数式、コードの多方面から理解することが可能です。

parco1021.hatenablog.com

 

実際この辺の記事は参考文献にも挙げている通り本書を参考にして書いています。当然読んでいるだけでは理解が難しいところもあるので本書を見ながら紙に数式を書き自分で解いて~とすることで理解が深まります。

注意点として本書の主は教師あり学習・深層学習なので教師なし学習についてはクラスタリングのことのみ書かれており、強化学習については書かれていません。

また、僕自身機械学習のお勉強を始めて数カ月しか経っていません。本書がどの程度網羅できているかはわかりません。あくまで本書に書かれている範囲はとても丁寧に記述が為されておりわかりやすかったということです。

 

さいごに

本書は入門書としてとても良いと思います。おそらく立ち位置はオライリーのゼロから作るディープラーニングと同じです。あちらは訳本ですので合う合わないがあると思います(僕は合いませんでした)。そういった方にもおすすめです。

 

 

 

おわり。

もしよければ↓ぽちっと↓お願いします。

ブログランキング・にほんブログ村へにほんブログ村

 

PVアクセスランキング にほんブログ村

【パズドラ】ガネーシャの財窟 超級 ヴェロア×ヴェロア【サタン無し編成】

はじめに

f:id:Parco1021:20200307222544j:plain

リリース8周年イベントでガネーシャの財窟が3/6~3/12の23:59まで来ています。周回することによってニーズヘッグ等の集めるのが面倒くさい奇石が手に入るので是非周回しましょう。8周年イベント後半の公式サイトはこちら↓↓

pad.gungho.jp

超級と地獄級があり、どちらもスタミナが30と同じなので全く同じパーティーならばよりドロップ率の高い地獄級を周回するのが良いと思います。今回はヴェロア×ヴェロアによってタマゴのドロップ率を上げた状態で超級を周回しました。

youtubeやネットで調べるとサタンを大量に使ったパーティーが多く見受けられました。しかし僕はサタンを全く作っていなかったのでサタン無しで考えました。感想としてはやはりネットに載っているサタンを使ったパーティーが楽なのでできることならそちらにしましょう!

 

パーティー編成

f:id:Parco1021:20200307223450j:plain

フレンドはラー継承のヴェロアです。初めに使うスキルを説明します。

  • 1F→ラー
  • 2F→ルシファーor梅宮orバイソン
  • 3F→2Fと同じ。2Fか3Fでルシファーを使用
  • 4F→梅宮orバイソン
  • 5F→ネフティスを使用しずらす

基本的にバイソン、梅宮は4Fのサタン(体力およそ80万)を倒すことができるスキルがあればいいです。注意点としてヴェロア×ヴェロアであるためボスでリーダースキルによる倍率がかかりません。そのため列強化とネフティスのエンハンス、攻撃アップバッチ、堕ルシに回復キラーをアシストしさらに神キラーを3凸することでギリギリボスのガネーシャを倒すことができます。ここをヴェロア×リヴァイにすることでより条件は緩和されるのでそちらの方がいいでしょう。

f:id:Parco1021:20200307223505j:plain

…僕は親友にリヴァイがいないのでこのような感じでごり押ししました。

また、バイソンのスキルが20Tと重めなのでアシストでスキブを盛っています。

 

動画

 

まとめ

繰り返しになりますが当然超地獄級の方がドロップ率も高いし金メダルも手に入りやすいそうです。なのでできることならば超地獄級を周回しましょう。

 

 

おわり。

もしよければ↓ぽちっと↓お願いします。

ブログランキング・にほんブログ村へにほんブログ村

 

PVアクセスランキング にほんブログ村

【パズドラ】3月のチャレンジダンジョン9アリス×ディーナ

はじめに

2020年も3月になりました。今回はチャレンジダンジョン9をアリス×ディーナで攻略しました。

f:id:Parco1021:20200301161855j:plain

 

パーティー構成

f:id:Parco1021:20200301161430j:plain

これにフレンドがディーナです。はっきり言いましょう。

アリスよりランペイドの方が50000倍良いです

アリスの役割はコンボしつつ追撃をするLSだけなのでディーナとの組み合わせを考えるとランペイドの方がいいです。僕は持ってないです!

対策ギミック()内は本PTでの担当キャラ

  • 覚醒無効(リヴァイ武器)
  • オチコン無し(コットン)
  • 根性(アリス、ユウナ)
  • ルーレット(ディーナ)

担当がないキャラ(ぬらりなど)は自由枠です。初ターンでディーナを変身させられるだけのスキブは用意しましょう。

 

ダンジョン

1F

f:id:Parco1021:20200301161420j:plain

99ターンオチコン無しとルーレットをしてきます。ルーレットはディーナのスキルで対策することができるのでここでまずコットンのスキルを使うことでオチコン無しを99Tから1Tに上書きします。

 

2F~4F

f:id:Parco1021:20200301161423j:plain

 

f:id:Parco1021:20200301161425j:plain

 

f:id:Parco1021:20200301161422j:plain

2,3Fはコンボしつつ追い打ちを発動させるだけです。全体として、ディーナを使う前にルーレット内のドロップを持つなどしてドロップの色を調整しつつ光ドロップや水ドロップを確保しましょう。

4Fはヨミが覚醒無効をしてくるので無効解除スキルを使ってください。ここは根性がないのでコンボだけ意識して突破します。

 

5F

f:id:Parco1021:20200301161427j:plain

先制で7万強の攻撃をしてくるので耐えられるようにしておきましょう。

ボスは割と固いのでここまでアリスをできればとっておき、光3コンボ+水2コンボ+12コンボ以上でバチコリ倒しましょう。下に貼る動画ではドロップが繋がったりオチコンがたくさんきたりして運がいいと思いますが基本的にルーレットできちんと調整すれば盤面12コンボはいけると思います。

 

動画

 

おわり。

もしよければ↓ぽちっと↓お願いします。

ブログランキング・にほんブログ村へにほんブログ村

 

PVアクセスランキング にほんブログ村

スポンサーリンク