공간

http://viralpatel.net/blogs/html5-server-sent-events-java-servlets-example/

eventsource 활용

eclipse로 개발하고 나서 서버로 프로젝트 옮길때

우분투에 tomcat apt-get으로 설치하고 나면 :8080포트로 들어갈 경우 

/var/lib/tomcat7/webapps/ROOT 아래에 있는 index.xml 파일이 보임

여기 ROOT 아래에다가 eclipse에서 아주 쉽게 export 할 수 있는 war 파일을 올리고 브라우저에서 접속하면

알아서 압축풀고 어쩌고 해서 접속 가능하게 됨

sysout으로 출력한 애들은

/var/lib/tomcat7/logs/catalina.out에서 확인 가능함

매일경제  2014년 4월 30일 수요일 15면 IT,과학

세계 경제 수도 미국 뉴욕은 낡은 배관 때문에 하루가 멀다 하고 터지는 맨홀 뚜껑이 골칫거리였다. 거대한 불길과 함께 140㎏ 거대 쇳덩이가 하늘로 10ｍ 넘게 솟아오르며 통학버스 사이를 지나가는 아찔한 사례가 몇 번 반복됐다. 문제 해결을 위해 미국 빅데이터 학자 신시아 루딘은 2009년 뉴욕을 가득 메운 맨홀 5만1000개와 관련된 방대한 데이터를 모았다. 여기서 폭발을 좌우하는 키포인트 106개를 뽑아 터질 위험이 높은 맨홀을 예측했다. 심각한 사고를 일으킨 맨홀 44%가 루딘이 찍은 위험 `상위 10% 고위험군`에 속할 정도로 예측은 정확했다. 빅데이터 힘으로 한발 앞서 대처한 덕에 심각한 문제를 예방한 것이다. 

일본 NTT도코모는 각 기지국 전파가 도달하는 거리 안에 몇 개의 휴대폰이 있는지로 각 구역 인구통계를 작성하는 `모바일 공간 통계` 기술을 확보했다. 실시간 지역별 인구통계를 1시간 단위로 공개해 `도쿄역 주변은 가나가와 현에 거주하는 40ㆍ50대 남성이 많다`는 분석을 하고 있다. NTT도코모는 이 데이터를 다른 재난 데이터와 교차 분석해 시너지 효과를 내고 있다. 도쿄에 규모 7.3의 지진이 발생했을 때 357만명이 귀가할 수 없다는 결론을 내고 이 정보를 교통 당국과 공유한다. 

http://news.mk.co.kr/newsRead.php?sc=30000001&year=2014&no=669420&sID=501

oh ~ oh ~ oh ~ 너의 손이 스칠 때
oh ~ oh ~ oh ~ 내 어깨에 기댈 때

네 곁에서 걷는 게 싫어 한 번씩 너의 손이 스치잖아
그때마다 잡고 싶은데 하지만 난 그러면 안 되잖아

네 옆에 앉는 것도 싫어 내 어깨에 기대 잠들 거잖아
그렇게 네가 깰 때까지 서로 다른 꿈을 꾸는 거잖아 

난 그게 잘 안 돼 내 맘 숨긴 채 네 곁에 있어주는 게
이제 난 안돼 네 맘 편하게 친구로 있어주는 게

oh ~ oh ~ oh ~ 너의 손이 스칠 때
oh ~ oh ~ oh ~ 내 어깨에 기댈 때

내 앞에서 우는 게 싫어 널 보는 내 맘이 더 아프니까
모든 걸 해주고 싶지만 그 사람이 내가 될 순 없잖아

아무렇지 않게 이대로 조금 더 곁에 있고 싶지만
더 이상 내 맘을 숨긴 채 너의 눈을 바라볼 수가 없어

난 그게 잘 안 돼 내 맘 숨긴 채 네 곁에 있어주는 게
이제 난 안돼 네 맘 편하게 친구로 있어주는 게

oh ~ oh ~ oh ~ 너의 손이 스칠 때
oh ~ oh ~ oh ~ 내 어깨에 기댈 때


나 너에게 갈게 이젠 말할게 너의 손을 잡고 싶어
나 너에게 갈게 이젠 말할게 같은 꿈을 꾸고 싶어

난 그게 잘 안 돼 내 맘 숨긴 채 네 곁에 있어주는 게
이제 난 안돼 네 맘 편하게 친구로 있어주는 게

oh ~ oh ~ oh ~ 너의 손이 스칠 때
oh ~ oh ~ oh ~ 내 어깨에 기댈 때
oh ~ oh ~ oh ~ 너의 손이 스칠 때
oh ~ oh ~ oh ~ 내 어깨에 기댈 때

===========================================================

단지 나는 너에게 고백대신 이별을 말할  뿐

• 오 너 이상해 빤히 자꾸 웃음 흘리지마 
  내 맘 흔들리게 괜히 자꾸 웃음 흘리지마 
  오오~ 오오 마음 흔들지마 
  오오~ 오오 마음 흔들지마 
  그렇게 핏좋은 옷 자꾸 그런 옷 입지마 
  니목소리도 참 나긋해 자꾸 뭐라 말하지마
  오오~ 오오 마음 흔들지마 
  오오~ 오오 마음 흔들지마 
  두근대는 심장은 귀찮기만 하니까 툭툭 떠올라 대는 넌 내 시간만 뺏으니까 
  오오~ 오오 마음 흔들지마 
  오오~ 오오 마음 흔들지마 
  손가락 희고 긴 거 내 눈 앞에 보이지마 
  시계 찬 손목이 아찔해 옷소매는 걷지 좀 마
  아무 준비도 안되있는 맘에 넌 자꾸 커져 그럼 난 떨쳐버리려고 머리를 자꾸 흔들어대 넌
  그저 틈만 또 생기면 내생각위에 또 올라타 난 괴로움에 입맛도 없고
  오오~ 오오 마음흔들지마 
  오오~ 오오 마음흔들지마 
  오오~ 오오 마음흔들지마 
  오오~ 오오 괜한 내 마음을 

===================================================================================

마음 셔틀 금지.

그렇게 쳐다보지마. 그렇게 배려하지마. 내 마음 흔들리잖아

만약이라는 두 글자가 오늘 내 맘을 무너뜨렸어

어쩜 우린 웃으며 다시 만날 수 있어 그렇지 않니?

음악을 듣고 책을 읽고 영화를 보고 사람들을 만나고

우습지만 예전엔 미처 하지 못했던 생각도 많이 하게 돼

넌 날 아프게 하는 사람이 아냐

수없이 많은 나날들 속을

반짝이고 있어 항상 고마웠어

아무도 이해할 수 없는 얘기겠지만

그렇지만 가끔 미치도록 네가 안고 싶어질 때가 있어

너 같은 사람은 너 밖에 없었어

마음 둘 곳이라곤 없는 이 세상 속에

괜찮아 네가 없는 나도 괜찮아
가끔씩 생각나는 날도 괜찮아
사실은 아직도 실감이 안나나봐

이렇게 오늘처럼 비오는 날엔
우리 함께 즐겨들었던 이 노래
한참을 멍하니 그렇게 웃고있어

baby baby 그대는 카라멜마끼아또
여전히 내 입가엔 그대 향이 달콤해
baby baby tonight
baby baby 까페라떼 향보다
포근했던 그 느낌 기억하고 있나요
baby baby tonight

*

빛바랜 하늘색 커플티
조금씩 기억나지 않는 네 생일
여전히 내 맘은 이렇게 따뜻한데

내게는 너무도 따뜻하고 향기로운 너
더는 아름답지 못한 것 이제 그저 추억인걸

baby baby 그대는 카라멜마끼아또
여전히 내 입가엔 그대 향이 달콤해
baby baby tonight
baby baby 까페라떼 향보다
포근했던 그 느낌 기억하고 있나요
baby baby tonight

baby baby 그대는 카라멜마끼아또
여전히 내 입가엔 그대 향기 달콤해
baby baby tonight
baby baby 까페라떼 향보다
포근했던 그 느낌 기억하고 있나요
baby baby tonight

====================================================================

괜찮아 니가 없는 나도 괜찮아.

여전히 내 입가에 카라멜마끼아또처럼 달콤한 그대 향기 기억날지라도.

2차원 

1. SVG태그를 사용한 2차원 벡터 그래픽 구현

2. 자바스크립트 캔버스를 사용한 2차원 래스터 그래픽 구현

3차원

1. CSS3를 사용한 3차원 구현

2. 자바스크립트 WebGL을 사용한 3차원 구현

WebGL도 HTML5에 속하는 내용

cool 예제 사이트..

http://lights.elliegoulding.com/

자바 스크립트 이용해서 그래픽 구현하는 것 공부해 봐야 겠군...

어린 시절 한 동화 속에서 들었던 얘기
사막 한가운데에는 가장 아름다운 별이 있대요

서울 하늘 어두운 밤들을 홀로 지내며
언제나 그 어린 꿈을 잊지 않고 난 기다렸어요

별빛 가득한 밤 은하수 하늘 덮고서
사랑하는 그대와 함께 누워
우리의 사랑을 축복해
세상 모든 꽃들이 끝없이 펼쳐진 날에
나는 그대를 만날 거라고

어느 날 황량한 사막엔 작은 샘물이
그리고 아무것도 없던 땅엔 작은 꽃이 피었죠

별빛 가득한 밤 은하수 하늘 덮고서
아름다운 우리의 이 노래
함께 불러주고 있네요
그댄 아는가요
얼마나 많은 날들을 기다렸는지
이 여름 밤의
한 여름 밤의 별들을

기하 분포(표기: X~Geo(p))

n번째 시행에서 처음으로 성공할 확률을 구하는 문제를 푼다

그러니까 성공의 횟수는 한번으로 정해져 있을 때 몇 번째에서 성공하느냐를 예측하는 문제

표기를 그대로 읽으면, 성공할확률 p가 주어지면, 처음으로 성공하는 시행 X를 예측하는 문제

각 시행은 성공 아니면 실패.

성공할 확률을 p, 실패할 확률을 q라고 하면

(X는 시행의 횟수를 의미하는 임의의 변수)

r번째에 첫번째로 성공할 확률 P(X=r) 는

수식에서 보이는데로 계속 실패하다가 마지막 r번째에 딱 성공할 확률이 우리가 구하고자하는 r 번째 성공할 확률!!

기하분포의 특성 중에 재미있는 것은

r=1일때, 즉 P(X=1)일때 언제나 가장 높은 값을 가진다는 것이다.

이것은 직관적으로 좀 헷갈릴 수 있지만, 합쳐서 한번이라도 성공할 확률이 아니고, n차 시도에서 처음으로 성공할 확률이라는 것을 생각하면 이해에 도움이 된다.

성공할 확률이 높은 시행이라면, 첫번째에서 당연히 성공할 확률이 2차시도, 3차시도...에서 성공할 확률보다 높게 느껴진다.

하지만 역시 성공할 확률이 낮은 시행에서도 그렇다. 성공할 확률이 낮을 경우에 첫번째 시행에서 실패할 확률이 더 크니까 실패했다고 치자. 그럼 다음 시행에서 성공할 확률은 처음에서 실패할 확률(무조건 1보다 작은 값)이 그 작은 값에 곱해지니까 당연히 더 작아진다.

따라서 기하 분포에서 첫번째에서 성공할 확률이 가장 높게 된다.

부등식에서는?

왜냐면 r번째 이상의 시행에서 성공할 확률은 일단 r번 실패하고 그 이후에는 맘대로 해도 상관없는 모든 시행을 다 합친 거니까...

왜냐면 P(X<r) = 1- P(X>r) 이니까

기대값 : 1/p

성공할 확률이 0.2라고 하면, 대충 5번에 한 번을 성공하겠네.. 라고 생각할 수가 있습니다..

분산

이항분포 (표기 X~B(n,p))

일련의 독립시행을 실시하고, 각 시행은 성공 아니면 실패라는 점은 같으나, 내가 구하고자 하는 것은 시행의 수는 정해져 있을때, 몇번 성공하느냐를 예측하는 것

표기를 그대로 읽으면 시행횟수 n과 성공할 확률 p가 정해지면 몇번 성공할지를 나타내는 변수 X를 예측하겠다는 것

r번 성공한다고 치면, 앞에 부분은 고딩 조합부분에서 나오는 것으로 n-r개와 r개의 다른 두개의 공을 1열로 세웠을 때의 경우의 수고, 뒤에 부분은 r번 성공하고 나머지 실패할 확률

기대값과 분산은

E(X) =np

Var(X) =npq

계산하기 매우 쉬운 형태로 나옴

푸아송 분포 (표기 X~Po(λ))

이 분포에서는 일련의 시도나 시행은 없음. 대신 실패할 가능성=기대값(λ:기계가 고장이 나는 비율)을 알고 있고, 실패는 임의의 시점에 일어남

예를 들면, 어떤 기계가 오동작이 발생하는 비율을 알고있고, 이 오작동이 임의의 시점에 발생할 때, 특정 기간동안 고장이 일어날 가능성을 구하는 문제에 관심

1. 개별적인 사건이 어떤 주어진 구간에 임의로 그리고 독립적으로 발생함. 구간은 예를 들면 일주일, 1시간, 1km마다 처럼 시간이나 공간이 될 수 있음

2. 해당 구간에서 사건이 발생하는 수의 평균값이나 비율을 알고 있음. 발생하는 수의 평균값이 보통 λ로 표시됨

여기서 λ는 어떤 주어진 구간에 사건이 발생하는 수를 나타냄

표기를 그대로 읽으면, 구간마다 사건이 일어나는 평균값 λ를 알고 있다고 치면, 어떤 주어진 구건에 사건이 발생하는 수 X를 예측하겠다는 것

뭔가 직관적으로, 대충 요게 이정도 일어나는 애라는걸 아는데, 내가 원하는 구간동안에 몇번 일어날 지를 알고 싶을 때 이 분포를 가정하면 된다는것...

계산 과정은 조금 더 조사해보아야 하겠지만, 어쨋든..

기대값과 분산은

E(X) = λ

Var(X) =λ

뭐 계산하기 전부터 알고 하는 정도로 계산이 쉽군요..

푸아송 분포는 독립확률변수 X,Y에 대해서 X+Y~Po( λx+ λy)

왜냐면, P(X+Y) = P(X)+P(Y), E(X+Y) = E(X)+E(Y)

푸아송 분포의 다른 용법 = 이항 분포의 근사치!

특정 상황에서 이항 분포의 근사치로 사용될 수 있다는 것!!

n이 너무 크면 이항분포는 계산량이 많아지는 단점이 있음... 따라서 간단하게 하기 위해서 푸아송 분포를 사용하여 근사치를 구하는 것이 좋을 수 있다.

그런데 이 분포를 가정할 때 조심해야 하는 것이 있으니...

1. 기대치 λ가 np와 비슷

1. 분산 λ가 npq와 비슷

따라서 np와 npq가 비슷해야 하고 그러려면 q가 1에 가깝고, n이 크면 서로 비슷한 값을 가져야 한다.

즉, n이 크고 p가 작으면 X~B(n,p)는 X~B(n,p)는 X~Po(np)와 거의 비슷함

시행횟수가 많고, 성공확률이 매우 작을때는 포아송 분포를 가정해도 됨.

그러니까 원래 이항분포는 시행횟수 n과 성공할 확률 p가 정해지면 몇번 성공할지를 나타내는 변수 X를 예측하겠다는 것인데, n이 너무 커지면 곱하기 계산이 너무 복잡해지니까 p가 작은 경우에는 포아송 분포로 싹 바꿔서 λ를 np로 간단하게 계산을 한 다음에,

에 넣어서 계산을 하면, n보다 당연히 작은 r!만 계산해서 풀 수 있게 된다는 말!!!