［R］パイプを使う

dplyrパッケージの%>%演算子を使う。以下はデータAirPassengersの先頭から10個のレコードを表示させるために、%>%演算子によるパイプラインを使用して抽出した例。

> head(AirPassengers)
[1] 112 118 132 129 121 135
> head(AirPassengers, 10)
 [1] 112 118 132 129 121 135 148 148 136 119
> AirPassengers %>% head()
 AirPassengers %>% head() でエラー: 
   関数 "%>%" を見つけることができませんでした 
> library(dplyr)
> AirPassengers %>% head()
[1] 112 118 132 129 121 135
> AirPassengers %>% head(10)
 [1] 112 118 132 129 121 135 148 148 136 119

%>%演算子は、次の受け取った出力を次の関数の第一引数に与える。受ける関数は、第一引数を省略して記述すればよい。

> dtf <- data.frame(no = 1:12, month = month.abb)
> head(dtf)
  no month
1  1   Jan
2  2   Feb
3  3   Mar
4  4   Apr
5  5   May
6  6   Jun
> subset(dtf, no == 3 | no == 4)
  no month
3  3   Mar
4  4   Apr
> dtf %>% subset(no == 3 | no == 4)
  no month
3  3   Mar
4  4   Apr

［R］文字列を連結する

paste関数を使う。オプションを特に指定しないと空白（0x20）で引数に与えた文字列リテラルを連結する。単純に連結したいのであればsepオプションに""を指定する。

> s1 <- "ABC"
> s2 <- "あいう"
> s3 <- "阿伊宇abc"
> paste(s1, s2, s3)
[1] "ABC あいう 阿伊宇abc"
> paste(s1, s2, s3, sep = "")
[1] "ABCあいう阿伊宇abc"

paste0関数を使ってもよい。paste0関数はpaste関数のsepオプションがデフォルトで""を指定された状態で実行される。

> paste(s1, s2, s3, sep= "")
[1] "ABCあいう阿伊宇abc"
> paste0(s1, s2, s3)
[1] "ABCあいう阿伊宇abc"

paste関数もpaste0関数も、引数は文字列に強制変換してから処理する（最初にas.character関数を使用するのと同等）。

> paste(1:10)
 [1] "1"  "2"  "3"  "4"  "5"  "6"  "7"  "8"  "9"  "10"
> paste(c(1.1, 2.2, -3.3, 4.44))
[1] "1.1"  "2.2"  "-3.3" "4.44"

引数の処理は少々複雑で、与えた引数の文字列ベクトルを連結することもできるし、その文字列ベクトル内の文字列を連結させることもできる。前者の区切り文字はsepオプションに、後者の区切り文字はcollapseオプションに指定する。二つを同時にも処理することができる。

> s1 <- c("ABC", "123", "あいう")
> s2 <- c("DEF", "456", "えお")
> paste(s1, s2, sep = "")
[1] "ABCDEF"     "123456"     "あいうえお"
> paste(s1, s2, sep = "", collapse = "")
[1] "ABCDEF123456あいうえお"
> paste(s1, s2, sep = ";", collapse = "@")
[1] "ABC;DEF@123;456@あいう;えお"
> paste0(s1, s2, collapse = "")
[1] "ABCDEF123456あいうえお"
> paste0(s1, s2, collapse = "@")
[1] "ABCDEF@123456@あいうえお

［R］ウェブサイトの表を読み込む

rvestパッケージのread_html関数とhtml_table関数を使う。以下はnetkeiba.com（https://www.netkeiba.com）に掲載の、競走馬オグリキャップの紹介ページの以下の表を、テキストで自動で読み取った例。

引用元：https://db.netkeiba.com/horse/1985102167/

> library(rvest)
> html <- read_html("https://db.netkeiba.com/horse/1985102167/")
> tbl <- html_table(html, header = NA)
> print(tbl[[2]])
# A tibble: 10 x 2
   X1           X2                                   
   <chr>        <chr>                                                                         
 1 生年月日     1985年3月27日                        
 2 調教師       瀬戸口勉 (栗東)                      
 3 馬主         近藤俊典                             
 4 生産者       稲葉不奈男                           
 5 産地         三石町                               
 6 セリ取引価格 -                                    
 7 獲得賞金     8億8,830万円 (中央) /2,281万円 (地方)
 8 通算成績     32戦22勝 [22-6-1-3]                  
 9 主な勝鞍     90'有馬記念(G1)                      
10 近親馬       オグリローマン、オグリシャダイ       

［R］5,000打数以上経験した全プレイヤーの三振率とホームラン率（「Rによるセイバーメトリクス入門」（技術評論社）pp.61-63）

> library(Lahman)
> library(tidyverse)
> library(ggplot2)
> Batting %>% group_by(playerID) %>%
+ summarize(tAB = sum(AB, na.rm = TRUE),
+   tHR = sum(HR, na.rm = TRUE),
+   tSO = sum(SO, na.rm = TRUE)) -> long_careers
> Batting_5000 <- filter(long_careers, tAB >= 5000)
> print(head(Batting_5000))
# A tibble: 6 × 4
  playerID    tAB   tHR   tSO
  <chr>     <int> <int> <int>

1 aaronha01 12364   755  1383
2 abreubo01  8480   288  1840
3 adamssp01  5557     9   223
4 adcocjo01  6606   336  1059
5 alfoned01  5385   146   617
6 allendi01  6332   351  1556
> g <- ggplot(Batting_5000, aes(x = tHR / tAB, y = tSO / tAB)) +
+ geom_point() + geom_smooth()
> print(g)
`geom_smooth()` using method = 'loess' and formula = 'y ~ x'

［R］iconv関数で文字列を変換するとバイト列の先頭に「FE FF」や「1B 24 42」が付く

「FE FF」はUnicodeにおけるBOM（バイトオーダーマーク）、「1B 24 42」はJISコードにおけるエスケープシーケンス。

UnicodeのUTF-16では、文字列を表現するバイト列のそのバイトの格納する順番を指定することができ、上位バイトを先に記述することをビッグエンディアン、下位バイトを先に記述する方法をリトルエンディアンという。「あ」（JIS：0x2422、UTF-16：0x3042）と「亜」（JIS：0x3021、UTF-16：0x4E9c）の二文字を使って試してみる。

以下は、シフトJIS（CP932）の環境で、文字列「あ亜」をUTF-16に変換した例。

> charToRaw(iconv("あ亜", from = "CP932", to = "UTF-16"))
[1] fe ff 30 42 4e 9c
> charToRaw(iconv("あ亜", from = "CP932", to = "UTF-16BE"))
[1] 30 42 4e 9c
> charToRaw(iconv("あ亜", from = "CP932", to = "UTF-16LE"))
[1] 42 30 9c 4e

1番目の例ではエンディアンを指定しないため、「FE FF」（関数の戻り値は小文字で「fe ff」）が付けられてビッグエンディアンであることが明示されている。2番目はビッグエンディアンを指定、3番目はリトルエンディアンを指定した例。

同様にJISコード（ISO-2022-JP）に変換してみる。

> charToRaw(iconv("あ亜", from = "CP932", to = "ISO-2022-JP"))
[1] 1b 24 42 24 22 30 21

「あ亜」のバイト列（24 22 30 21）の前に「1B 24 42」（関数の戻り値は小文字で「1b 24 42」）が付けられている。これは以降のバイト列がJISコードによる文字列であることを明示するためのバイト列。UTF-16と異なり、iconv関数でJISコードへの変換時にエスケープシーケンスを付けないようにすることはできない。

［R］10年ごとに最も多くホームランを放ったプレイヤー（「Rによるセイバーメトリクス入門」（技術評論社）pp.59-61）

> library(Lahman)
> library(tidyverse)
> hr_leader <- function(data) {
+ data %>% group_by(playerID) %>% summarize(HR = sum(HR)) %>%
+ arrange(desc(HR)) %>% head(1)
+ }
> Batting %>% mutate(decade = 10 * floor(yearID / 10)) %>%
+ split(pull(., decade)) %>% map_df(hr_leader, .id = "decade")
# A tibble: 16 × 3
   decade playerID     HR
   <chr>  <chr>     <int>
 1 1870   pikeli01     21
 2 1880   stoveha01    89
 3 1890   duffyhu01    83
 4 1900   davisha01    67
 5 1910   cravaga01   116
 6 1920   ruthba01    467
 7 1930   foxxji01    415
 8 1940   willite01   234
 9 1950   snidedu01   326
10 1960   killeha01   393
11 1970   stargwi01   296
12 1980   schmimi01   313
13 1990   mcgwima01   405
14 2000   rodrial01   435
15 2010   cruzne02    346
16 2020   perezsa02    59

［R］データフレームの要素をHTMLやTeXの表に変換する

xtableパッケージを使う。以下はデータフレームの中身をそれぞれHTMLとTeXの表のファイルに出力した例。

> library(xtable)
> n <- 1:3
> name <- c("ABCD", "12345", "漢字")
> dtf <- data.frame(n, name)
> names(dtf) <- c("no", "文字")
> print(xtable(dtf), file = "test.html", include.rownames = FALSE, type = "html")
> print(xtable(dtf), file = "test.tex", include.rownames = FALSE, type = "latex")

test.html

<!-- html table generated in R 4.1.3 by xtable 1.8-4 package -->
<!-- Thu Mar 09 10:20:17 2023 -->
<table border=1>
<tr> <th> no </th> <th> 文字 </th> </tr>
<tr> <td align="right"> 1 </td> <td> ABCD </td> </tr>
<tr> <td align="right"> 2 </td> <td> 12345 </td> </tr>
<tr> <td align="right"> 3 </td> <td> 漢字 </td> </tr>
</table>

test.tex

% latex table generated in R 4.1.3 by xtable 1.8-4 package
% Thu Mar 09 10:20:18 2023
\begin{table}[ht]
\centering
\begin{tabular}{rl}
  \hline
no & 文字 \\ 
  \hline
  1 & ABCD \\ 
    2 & 12345 \\ 
    3 & 漢字 \\ 
   \hline
\end{tabular}
\end{table}

print関数はデフォルトで標準出力に出力する。画面表示はせずに文字列として出力する場合は、以下のようにprint.resultsオプションをFALSEにして代入する。

> s <- print(xtable(dtf), include.rownames = FALSE, type = "html", print.results = FALSE)
> print(s)
[1] "<!-- html table generated in R（以下、表示省略）

戻り値は要素が1つだけの文字列ベクトル。

［R］cwevent.exeの出力フィールドのヘッダー一覧をベクトルで得る

cwevent.exeの出力するフィールド情報は、以下のページで公開されている。

https://chadwick.sourceforge.net/doc/cwevent.html

このページ内の表にそれぞれ標準フィールド（全97個）と拡張フィールド（62個）が示されており、rvestパッケージのread_html関数とhtml_table関数を使うことで、それぞれのフィールドのヘッダーを、文字列ベクトルで簡単に抜き出すことができる。

> library(rvest)
> html <- read_html("https://chadwick.sourceforge.net/doc/cwevent.html")
> tbl <- html_table(html, header = NA)
> s1 <- tbl[[1]]$Header
> s2 <- tbl[[2]]$Header
> print(s1)
 [1] "GAME_ID"                   "AWAY_TEAM_ID"             
 [3] "INN_CT"                    "BAT_HOME_ID"              
 [5] "OUTS_CT"                   "BALLS_CT"                 
（以下、表示省略）
> print(s2)
 [1] "HOME_TEAM_ID"           "BAT_TEAM_ID"           
 [3] "FLD_TEAM_ID"            "BAT_LAST_ID"           
 [5] "INN_NEW_FL"             "INN_END_FL"            
（以下、表示省略）

［R］1960年代に最も多くホームランを放ったプレイヤー（「Rによるセイバーメトリクス入門」（技術評論社）pp.58-59）

> library(Lahman)
> library(tidyverse)
> Batting %>% filter(yearID >= 1960, yearID <= 1969) -> Batting_60
> Batting_60 %>% group_by(playerID) %>% summarize(HR = sum(HR)) -> hr_60
> hr_60 %>% arrange(desc(HR)) -> hr_60
> print(head(hr_60))
# A tibble: 6 × 2
  playerID     HR
  <chr>     <int>
1 killeha01   393
2 aaronha01   375
3 mayswi01    350
4 robinfr02   316
5 mccovwi01   300
6 howarfr01   288

［Octave］t分布におけるパーセント点

>> pkg load statistics
>> % 自由度5のt分布における上側5パーセント点
>> tinv(1 - 0.05, 5)
ans = 2.0150
>> % 自由度5のt分布における両側5パーセント点
>> tinv(1 - 0.05 / 2, 5)
ans = 2.5706

［Octave］F分布におけるp値

>> pkg load statistics
>> % 自由度5,7のF分布における、確率変数が2のときの下側p値
>> fcdf(2, 5, 7)
ans = 0.8043
>> % 自由度5,7のF分布における、確率変数が2のときの上側p値
>> 1 - fcdf(2, 5, 7)
ans = 0.1957

［Octave］F分布におけるパーセント点

>> pkg load statistics
>> % 自由度5,7のF分布における、下側5パーセント点
>> finv(0.05, 5, 7)
ans = 0.2051
>> % 自由度5,7のF分布における、上側5パーセント点
>> finv(1 - 0.05, 5, 7)
ans = 3.9715

［Octave］χ^2分布におけるp値

>> pkg load statistics
>> % 自由度5のχ^2分布における、確率変数が12のときの下側p値
>> chi2cdf(12, 5)
ans = 0.9652
>> % 自由度5のχ^2分布における、確率変数が12のときの上側p値
>> 1 - chi2cdf(12, 5)
ans = 0.034788

［Octave］χ^2分布におけるパーセント点

>> pkg load statistics
>> % 自由度5のχ^2分布における、下側5パーセント点
>> chi2inv(0.05, 5)
ans = 1.1455
>> % 自由度5のχ^2分布における、上側5パーセント点
>> chi2inv(1 - 0.05, 5)
ans = 11.070

［Octave］連立一次方程式を解く

linsolve関数を使う。以下の連立一次方程式を解く（解はx=3,y=2）。

 x + 2y = 7
3x - 4y = 1

計算する。

>> mxaa = [1 2; 3 -4]
mxaa =
   1   2
   3  -4
>> mxy = [7; 1]
mxy =
   7
   1
>> linsolve(mxaa, mxy)
ans =
   3
   2

同じく以下の連立一次方程式を解く（解はx=2,y=-3,z=-14）。

 3x - 3y + z =  1
 3x + 2y     =  0
-1x - 5y + z = -1

計算する。

>> mxaa = [3 -3 1; 3 2 0; -1 -5 1]
mxaa =
   3  -3   1
   3   2   0
  -1  -5   1
>> mxy = [1; 0; -1]
mxy =
   1
   0
  -1
>> linsolve(mxaa, mxy)
ans =
    2
   -3
  -14

［Python］行列式を求める

linalg.detメソッドを使う。

>>> mx = np.array([[3]])
>>> mx
array([[3]])
>>> np.linalg.det(mx)
3.0000000000000004
>>> mx = np.array([[1, 2], [3, 4]])
>>> mx
array([[1, 2],
       [3, 4]])
>>> np.linalg.det(mx)
-2.0000000000000004
>>> mx = np.array([[0, 3, 2, -1], [-4, 6, 1, 5], [0, -2, 3, -1], [-1, 0, 0, 2]])
>>> mx
array([[ 0,  3,  2, -1],
       [-4,  6,  1,  5],
       [ 0, -2,  3, -1],
       [-1,  0,  0,  2]])
>>> np.linalg.det(mx)
27.999999999999986

［Octave］一般逆行列を求める

pinv関数を使う。

>> mx = [1 2 3 4; 5 6 7 8; 9 10 11 12; 13 14 15 16]
mx =
    1    2    3    4
    5    6    7    8
    9   10   11   12
   13   14   15   16
>> det(mx)
ans = 0
>> inv(mx)
warning: matrix singular to machine precision
ans =
   Inf   Inf   Inf   Inf
   Inf   Inf   Inf   Inf
   Inf   Inf   Inf   Inf
   Inf   Inf   Inf   Inf
>> pinv(mx)
ans =
  -2.8500e-01  -1.4500e-01  -5.0000e-03   1.3500e-01
  -1.0750e-01  -5.2500e-02   2.5000e-03   5.7500e-02
   7.0000e-02   4.0000e-02   1.0000e-02  -2.0000e-02
   2.4750e-01   1.3250e-01   1.7500e-02  -9.7500e-02
>> mxi = pinv(mx);
>> mx * mxi * mx
ans =
    1    2    3    4
    5    6    7    8
    9   10   11   12
   13   14   15   16

当然、正方行列でなくとも求めることができる。

>> mx = [1 2 3 4; 5 6 7 8]
mx =
   1   2   3   4
   5   6   7   8
>> det(mx)
error: det: A must be a square matrix
>> inv(mx)
error: inverse: A must be a square matrix
>> pinv(mx)
ans =
  -5.5000e-01   2.5000e-01
  -2.2500e-01   1.2500e-01
   1.0000e-01  -2.3434e-17
   4.2500e-01  -1.2500e-01
>> mxi = pinv(mx)
mxi =
  -5.5000e-01   2.5000e-01
  -2.2500e-01   1.2500e-01
   1.0000e-01  -2.3434e-17
   4.2500e-01  -1.2500e-01
>> mx * mxi * mx
ans =
   1   2   3   4
   5   6   7   8

pinv関数はムーア・ペンローズ一般逆行列を数値的に求める関数のため、求まった一般逆行列は近似値であることに注意。ムーア・ペンローズ一般逆行列の定義の4つの式について、比較をした例は以下のとおり。すべての要素が1にならないことがわかる。

>> mx * mxi * mx == mx
ans =
  0  0  0  0
  0  0  0  0
>> mxi * mx * mxi == mxi
ans =
  1  1
  1  0
  0  0
  0  0
>> (mx * mxi).' == mx * mxi
ans =
  1  0
  0  1
>> (mxi * mx).' == mxi * mx
ans =
  1  1  0  0
  1  1  0  0
  0  0  1  0
  0  0  0  1

［Octave］逆行列を求める

inv関数を使う。

>> mx = [3]
mx = 3
>> inv(mx)
ans = 0.3333
>> mx = [1 2; 3 4]
mx =
   1   2
   3   4
>> inv(mx)
ans =
  -2.0000   1.0000
   1.5000  -0.5000
>> mx = [3 -3 1; 3 2 0; -1 -5 1]
mx =
   3  -3   1
   3   2   0
  -1  -5   1
>> inv(mx)
ans =
   1.0000  -1.0000  -1.0000
  -1.5000   2.0000   1.5000
  -6.5000   9.0000   7.5000

正則ではない行列（行列式の値が0）の場合は、inv関数は警告を返す。

>> mx = [1 4 7; 2 5 8; 3 6 9]
mx =
   1   4   7
   2   5   8
   3   6   9
>> det(mx)
ans = 0
>> inv(mx)
warning: matrix singular to machine precision
ans =
   Inf   Inf   Inf
   Inf   Inf   Inf
   Inf   Inf   Inf

［Octave］行列式を求める

det関数を使う。

> mx = [3]
mx = 3
> det(mx)
ans = 3
> mx = [1 2; 3 4]
mx =
   1   2
   3   4
> det(mx)
ans = -2
> mx = [0 3 2 -1; -4 6 1 5; 0 -2 3 -1; -1 0 0 2]
mx =
   0   3   2  -1
  -4   6   1   5
   0  -2   3  -1
  -1   0   0   2
> det(mx)
ans = 28

［Octave］行列の掛け算

* 演算子を使う。掛けられる行列の列数と掛ける行列の行数が同じでなければ計算することはできない。

> mx1 = [-1 0 3; 8 1 -5]
mx1 =
  -1   0   3
   8   1  -5
> mx2 = [3 4 0; -2 1 2]
mx2 =
   3   4   0
  -2   1   2
> mx3 = [4 -3 7; 2 0 -1; 1 5 0]
mx3 =
   4  -3   7
   2   0  -1
   1   5   0
> mx1 * mx3
ans =
   -1   18   -7
   29  -49   55
> mx2 * mx3
ans =
   20   -9   17
   -4   16  -15
> mx1 * mx2
error: operator *: nonconformant arguments (op1 is 2x3, op2 is 2x3)

［R］ディレクトリ一覧を得る

list.dirs関数を使う。第一引数にディレクトリ一覧を得たいディレクトリを指定すると、どのディレクトリに含まれるサブディレクトリが得られる。ただし、デフォルトでは、その指定したディレクトリ自身と、再帰的に得られるサブディレクトリ内のサブディレクトリも含まれる。以下、実行例。

> list.dirs("C:/Program Files/Windows NT")
[1] "C:/Program Files/Windows NT"                       
[2] "C:/Program Files/Windows NT/Accessories"           
[3] "C:/Program Files/Windows NT/Accessories/en-US"     
[4] "C:/Program Files/Windows NT/Accessories/ja-JP"     
[5] "C:/Program Files/Windows NT/TableTextService"      
[6] "C:/Program Files/Windows NT/TableTextService/en-US"
[7] "C:/Program Files/Windows NT/アクセサリ"            

指定したディレクトリ内のサブディレクトリだけを得るには、recursiveオプションにFALSEを指定する。

> list.dirs("C:/Program Files/Windows NT", recursive = FALSE)
[1] "C:/Program Files/Windows NT/Accessories"     
[2] "C:/Program Files/Windows NT/TableTextService"
[3] "C:/Program Files/Windows NT/アクセサリ"      

デフォルトでは絶対パスで表示されるが、full.namesオプションにFALSEを指定すると、第一引数に指定したディレクトリからの相対パスが得られる（指定したディレクトリは""）。

> list.dirs("C:/Program Files/Windows NT", full.names = FALSE)
[1] ""                       "Accessories"            "Accessories/en-US"     
[4] "Accessories/ja-JP"      "TableTextService"       "TableTextService/en-US"
[7] "アクセサリ"            
> list.dirs("C:/Program Files/Windows NT", recursive = FALSE, full.names = FALSE)
[1] "Accessories"      "TableTextService" "アクセサリ"      

［R］文字列を一文字ずつ分割する

strsplit関数を使う。第一引数に文字列を、第二引数に "" を指定すると、一文字ずつ分割する。

> s <- "ABc あいう"
> strsplit(s, "")
[[1]]
[1] "A"  "B"  "c"  " "  "あ" "い" "う"

strsplit関数の引数はベクトルを受け付けるため、戻り値は与えたベクトルごとに分けてリストで戻る。unlist関数を使うことで戻り値をベクトルに変換することができる。

> strsplit(c("ABC", "123"), "")
[[1]]
[1] "A" "B" "C"
[[2]]
[1] "1" "2" "3"
> unlist(strsplit(s, ""))
[1] "A"  "B"  "c"  " "  "あ" "い" "う"

文字列の先頭や末尾の空白もきちんと一文字ずつ分解する。

> unlist(strsplit(" あい  う 12  ", ""))
 [1] " "  "あ" "い" " "  " "  "う" " "  "1"  "2"  " "  " " 

［Python］転置行列を求める

Tプロパティを使う。

>>> import numpy as np
>>> mx = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
>>> print(mx)
[[1 2 3]
 [4 5 6]
 [7 8 9]]
>>> print(mx.T)
[[1 4 7]
 [2 5 8]
 [3 6 9]]
>>> mx = np.array([[1, 2, 3], [4, 5, 6]])
>>> print(mx)
[[1 2 3]
 [4 5 6]]
>>> print(mx.T)
[[1 4]
 [2 5]
 [3 6]]

［Fortran］文字列の前後の空白を取り除く

trim関数とadjustl関数を組み合わせて使う。trim関数は、文字列の末尾の空白を取り除く関数。adjustl関数は、文字列の先頭の空白を取り除く関数。

以下のプログラムを実行してみる。

program testtrim
    implicit none
    character(len=10) :: str
    str='  ABC   '
    write(*,'(a)') '>'//str//'<'
    write(*,'(a)') '>'//trim(str)//'<'
    write(*,'(a)') '>'//trim(adjustl(str))//'<'
end program testtrim

出力

>  ABC     <
>  ABC<
>ABC<

［Access VBA］文字コードがutf-8のテキストファイルを出力する

ADOのStreamオブジェクトを使う。以下のようなテーブルを用意して、

以下のモジュールを実行する。

Sub StreamWriteTest()
  Dim db As DAO.Database
  Dim rs As DAO.Recordset
  Dim adodbsm As Object
  Set adodbsm = CreateObject("ADODB.Stream")
  adodbsm.Charset = "utf-8"
  adodbsm.Open
  Set db = CurrentDb
  Set rs = db.TableDefs("文字列").OpenRecordset
  rs.MoveFirst
  Do Until rs.EOF
    adodbsm.WriteText rs.Fields("フィールド").Value, 1
    rs.MoveNext
  Loop
  rs.Close
  db.Close
  adodbsm.SaveToFile Application.CurrentProject.Path & "\text.txt", 2
  adodbsm.Close
  Set adodbsm = Nothing
End Sub

そのブックが置かれたフォルダーに、ファイルstream.txtが作成され、メモ帳で開くと、中身は以下のようになっているはず。

ABC
123
あいう
辰𠮷𠀋一郎
𩸽（ホッケ）を食べる
𩹉（トビウオ）を捕まえる

［R］正規分布におけるp値を求める

> # 平均10、分散3^2（標準偏差3）の正規分布における確率変数が15のときの下側p値
> pnorm(15, 10, 3)
[1] 0.9522096
> # 平均10、分散3^2（標準偏差3）の正規分布における確率変数が15のときの上側p値
> pnorm(15, 10, 3, lower.tail = FALSE)
[1] 0.04779035
> # 平均10、分散3^2（標準偏差3）の正規分布における確率変数が15のときの両側p値
> pnorm(15, 10, 3, lower.tail = FALSE) * 2
[1] 0.0955807

［R］正規分布におけるp値（「まずはこの一冊から 意味が分かる統計解析」（ペレ出版）、p.95）

> # 平均10、分散3^2（標準偏差3）の正規分布における確率変数が15のときの下側p値
> pnorm(15, 10, 3)
[1] 0.9522096
> # 平均10、分散3^2（標準偏差3）の正規分布における確率変数が15のときの上側p値
> pnorm(15, 10, 3, lower.tail = FALSE)
[1] 0.04779035
> # 平均10、分散3^2（標準偏差3）の正規分布における確率変数が15のときの両側p値
> pnorm(15, 10, 3, lower.tail = FALSE) * 2
[1] 0.0955807

［R］正規分布におけるパーセント点を求める

> # 平均10、分散3^2（標準偏差3）の正規分布における下側5パーセント点
> qnorm(0.05, 10, 3)
[1] 5.065439
> # 平均10、分散3^2（標準偏差3）の正規分布における上側5パーセント点
> qnorm(0.05, 10, 3, lower.tail = FALSE)
[1] 14.93456
> # 平均10、分散3^2（標準偏差3）の正規分布における両側5パーセント点
> qnorm(0.05 / 2, 10, 3, lower.tail = FALSE)
[1] 15.87989

［R］正規分布におけるパーセント点（「まずはこの一冊から 意味が分かる統計解析」（ペレ出版）、pp.94-95）

> # 平均10、分散3^2（標準偏差3）の正規分布における下側5パーセント点
> qnorm(0.05, 10, 3)
[1] 5.065439
> # 平均10、分散3^2（標準偏差3）の正規分布における上側5パーセント点
> qnorm(0.05, 10, 3, lower.tail = FALSE)
[1] 14.93456
> # 平均10、分散3^2（標準偏差3）の正規分布における両側5パーセント点
> qnorm(0.05 / 2, 10, 3, lower.tail = FALSE)
[1] 15.87989

［R］t分布におけるp値

> # 自由度5のt分布における、確率変数が2のときの上側p値
> pt(2, 5, lower.tail = FALSE)
[1] 0.05096974
> # 自由度5のt分布における、確率変数が2のときの両側p値
> pt(2, 5, lower.tail = FALSE) * 2
[1] 0.1019395

pt関数はデフォルトでは下側p値を返す。上側p値を得たい場合はlower.tailをFALSEにする。両側p値は上側p値を2倍する。

［R］t分布におけるp値（「まずはこの一冊から 意味が分かる統計解析」（ペレ出版）、p.139）

> # 自由度5のt分布における、確率変数が2のときの上側p値
> pt(2, 5, lower.tail = FALSE)
[1] 0.05096974
> # 自由度5のt分布における、確率変数が2のときの両側p値
> pt(2, 5, lower.tail = FALSE) * 2
[1] 0.1019395

pt関数はデフォルトでは下側p値を返す。上側p値を得たい場合はlower.tailをFALSEにする。両側p値は上側p値を2倍する。