超整理手帐是日本经济学者野口悠纪雄，于1996年设计并推广的A4型记事本（Pocketbook），随着国际标准A4型用纸的普及，超整理手帐逐渐受到各界人士的青睐。

超整理手帐采用A4型用纸横向四折的方式，避免了用纸尺寸不统一所带来的麻烦，资料打印或拷贝后便于携带，具有较高的一览性。由于使用者大都是手帐爱好者，长年来对超整理手帐不断地进行研究改进，并免费提供各种用纸的下载，大大提高了超整理手帐的实用性。

*相关信息：

野口悠紀雄Online

蒙特卡罗分析法（Monte Carlo method）（统计模拟法），是一种采用随机抽样（Random Sampling）统计来估算结果的计算方法。由于计算结果的精确度很大程度上取决于抽取样本的数量，一般需要大量的样本数据，因此在没有计算机的时代并没有受到重视。

第二次世界大战时期，匈牙利美藉数学家约翰·冯·诺伊曼（John von Neumann，1903.12.28—1957.02.08）（现代电子计算机创始人之一）在研究中子的实验中采用了随机抽样统计的手法，因为当时随机数的想法来自掷色子及轮盘等賭博用具，所以就形象地用摩洛哥的赌城蒙特卡罗来命名这种计算方法。

利用蒙特卡罗分析法可用于估算圆周率，如图，在边长为 2 的正方形内作一个半径为 1 的圆，正方形的面积等于 2×2=4，圆的面积等于 π×1²=π，由此可得出，正方形的面积与圆形的面积的比值为 4:π。现在让我们用电脑或轮盘生成若干组均匀分布于 0-2 之间的随机数，作为某一点的坐标散布于正方形内，那么落在正方形内的点数 N 与落在圆形内的点数 K 的比值接近于正方形的面积与圆的面积的比值，即，N:K ≈ 4:π，因此，π ≈ 4K/N 。

用此方法求圆周率，需要大量的均匀分布的随机数才能获得比较准确的数值，这也是蒙特卡罗分析法的不足之处。

如今，蒙特卡罗分析法被应用于各个领域，如求解函数的定积分，运输流量分析，人口流动分析，股票市场波动的预测，量子力学分析等等。

数据挖掘（Data mining），又称数据探勘或信息挖掘，也就是所谓的KDD（knowledge-discovery in databases）从数据库中发现新的知识。通常利用统计，模式识别等手法，从大量数据中自动搜索分析，挖掘出潜在有价值的信息。

数 据挖掘是由于计算机处理能力的提高，数据存储费用降低，数据量飞速增长而诞生的新的研究手法。过去的统计分析，由于数据费用昂贵，人们只能用少量的数据去 分析推测事物整体的特征。如今大量信息泛滥的时代，数据挖掘犹如沙里淘金，可以有效的从海量的数据中挖掘出过去未知的有价值的信息，因此被各个领域广泛应 用。

数据挖掘常用于市场分析，例如：亚马逊网站分析顾客购买商品的纪录，可得知购买某一书籍的顾客同时购买何种书籍，然后把此信息推荐给 新的顾客，达到促销的目的。大型超市分析顾客购买商品的纪录，可得知顾客经常同时购买何种商品，以此依据摆放商品，可方便顾客购买。对于企业分析大量的顾 客来信，可掌握顾客的潜在需要，开发新的产品。在网络领域，通过对关键词的分析，可得知最近的热门话题，人气产品，时事人物，为掌握时代的潮流提供依据。

然而，数据挖掘并不是万能的，例如：分析大量的股市信息，从结果看上去两种因素似乎有相关性，但并不代表有因果关系。单纯的分析数据而脱离了实际意义，利用偶然的巧合或毫无价值的关联性来说明问题，不能称作有效的数据挖掘。只能称作“数据挖泥”或“沙里淘沙”。

产品生命周期【PLC: product life cycle】,如同生物的生命周期一样,任何产品在市场上的销售和获利情况都会随着时间的推移而发生周期性变化。产品生命周期从进入市场到退出市场所经历的过程，一般可以分为五个阶段。

• 开发期（Development）
• 导入期（Introduction）
• 成长期（Growth）
• 成熟期（Maturity）
• 衰退期（Decline）

【日本语版】