[生活] 一些小習慣，讓自己更快樂

最近學弟推薦了一部木村的日劇- 大腦先生 Mr. Brain

雖然裡頭的推理劇讓看多這款戲的我覺得有點弱，戲中犯案的方式也有點kuso，但是還是有個地方很吸引我，就是Mr. Brain的能力，關於大腦開發的一些知識。

不過這些跟我想記錄的東西無關，只是看完第二集後，到網路上搜尋大腦&記憶後，找到一些覺得挺有幫助的東西，所以就寫上來提醒自己。

是關於快樂的方式。科學證明，行為操練能增進快樂，而目前最有效的練習是
1。專注於正面的事情
        每天寫下當天快樂的三件事情，並說出發生的原因。
2。練習運用性格上的長處
        可以透過一些心理測驗知道自己的長處後，每天以新的方式來實現其中一項。
3。記得感恩
        每天寫下五件令自己感恩的事情。

上面說的都需要無比的堅持阿 = =

另外其實對我而言最重要的能量是 充足睡眠、適當運動還有經常旅行!!! XD  睡覺去...

Comments

  1. RoxanneDecember 6, 2009 at 4:37 PM

    我覺得運動最難= =
    啊旅行~~~要去哪裡去哪裡

    ReplyDelete

Post a Comment

Popular posts from this blog

股票評價(Stock Valuation) - 股利折現模型

Image
這邊討論的是股價(普通股)的評價，包括股利折現模型、成長機會模型與本益比模型。 1. 股利折現模型( The Dividend Discount Model, DDM ) 股票的現金流可以分為兩個部分：股利的收入及股價的變動 先來定義 Pt：第t期的每股股價 Dt：第t期的每股股利 Rs：股利折現率(或稱為股東的必要報酬率) 當下的股票現值P0 =  D1/(1+Rs)  + P1/(1+Rs) ... (1) 一年後的股票現值 P1 = D2/(1+Rs) + P2/(1+Rs) ... (2) 將(1)代入(2)可得  P0 = D1/(1+Rs) + D2/[(1+Rs) ^2] + P2/[(1+Rs)^2] 可推得 P0 = D1/(1+Rs) + D2/[(1+Rs) ^2] + D3/[(1+Rs)^3] + ... =   SIGMA(t=1, infinite)  D1/[(1+Rs)^t] 常見的股利折現模型有三種， a. 零成長型(Zero Growth) , 即D1=D2=D3=...    利用等比級數公式, a0=D1/(1+Rs), r= 1/(1+Rs)  =>  p0 = D1/Rs      [*這跟永續年金的結果相同] b. 固定成長(Constant Growth) , 即股利按固定比率ｇ成長, D2=D1*(1+g), ...    => P0 = D1/(Rs-g)    b.1這個模型又稱為戈登模型(Gordon Model)或股利成長模型(dividend growth model)         因為這個模型提供我們很好的直覺：         b.1.1 當公司宣布年底股利增加, D1上升, P0上升 b.1.2 當公司盈餘成長, g上升, P0上升         b.1.3 當資本或風險提升，Rs上升, P0下降    b.2固定成長型的資本利得率＝股利成長率, g = (P0-P1)/P0 c. 超成長型(Supernormal or Nonconstant Growth) , 即一開始公司有高成長率，幾年後才回到一般成長。 EX. yahoo公司預期未來四年有高度成長25%, 之後皆以8%穩定成長, 其折現率20%. 今發行4塊股利： 這邊P0需分為兩個部分, 一為超成長部分及穩定成長部分.
Read more

openwrt feed的使用

最近又回去看Openwrt發現feed, 來記錄一下. feed 是一個挺有趣的東西, 在Openwrt 理面它是一堆 packages 的集合,  我想應該是因為不同的 packages 可能來自不同的地方, 透過 feed 提供介面管理這些 packages. (1) where is feeds     放在 scripts/feeds (2) feeds command     update:        撿查 feeds.conf  # or feeds.conf.default       將各自的feeds下載後放到 feeds/        建立 XXX.index      list:       透過 XXX.index, 列出 feeds/ 的feeds     install:       建立symbolic link. # from feeds/XXX  to packages/feeds/XXX (3)自己建立 feeds       1. svn co svn://svn.openwrt.org/openwrt/trunk/[BRANCH]  [OPENWRT]       2. svn co svn://svn.openwrt.org/openwrt/package  [OPENWRT]/packages       3. 撰寫自己的 feeds.conf       4. >script/feeds update -a       5. >script/feeds install       6. make menuconfig        參考Openwrt 連結         
Read more

R 語言：邏輯回歸 Logistic Regression using R language （二）

Image
> library('MASS') > data(menarche) > str(menarche) 'data.frame': 25 obs. of 3 variables: $ Age : num 9.21 10.21 10.58 10.83 11.08 ... $ Total : num 376 200 93 120 90 88 105 111 100 93 ... $ Menarche: num 0 0 0 2 2 5 10 17 16 29 ... > summary(menarche) Age Total Menarche Min. : 9.21 Min. : 88.0 Min. : 0.00 1st Qu.:11.58 1st Qu.: 98.0 1st Qu.: 10.00 Median :13.08 Median : 105.0 Median : 51.00 Mean :13.10 Mean : 156.7 Mean : 92.32 3rd Qu.:14.58 3rd Qu.: 117.0 3rd Qu.: 92.00 Max. :17.58 Max. :1049.0 Max. :1049.00 上頭是 R 所提供的一個很好的 Logistic Regression with One numerical predictor 的例子。 簡單的說就是有一組三個自變數分別是 age, total 以及 menarche ，中文的大意是『我們收集了一共25組女性樣本，記錄每組的平均年紀，訪問次數以及受訪者是否發生初經』。 > plot(Menarch/Total ~ Age, data=menarche) 上圖很明顯的指出 age 與 menarch rate 呈指數關係，適用於羅輯回歸。 > glm.out = glm(cbind(Menarche, Total-Menarche) ~ Age, family = binomial(logit), data=m
Read more