A B C d E F G H I K L M N O P Q R S T U V W Z A statsmodels.ap.stats.anova_lm(x) statsmodels.formula.api.ols 에 의해 생성되는 모형 즉, 클래스 인스턴스(x)를 인수로 받아 anova를 실행합니다. np.argsort(x, axis=-1, kind=None) 객체 x를 정렬할 경우 각 값에 대응하는 인덱스를 반환합니다. Axis는 기준 축을 지정하기 위한 매개변수로서 정렬의 방향을 조정할 수 있음(-1은 기본값으로 마지막 축) pandas.Series.autocorr(lag=1) lag에 전달한 지연수에 따른 값들 사이의 자기상관을 계산 B scipy.stats.bernoulli(x, p) 베르누이분포에 관련된 통계량을 계산하기 위한 클래스를 생성합니다. x: 랜덤변수 p: 단일 시행에서의 확률 scipy.stats.binom(x, n, p) 이항분포에 관련된 통계량을 계산하기 위한 클래스를 생성합니다. x: 랜덤변수 n: 총 시행횟수 p: 단일 시행에서의 확률 C scipy.stats.chi2.pdf(x, df, loc=0, scale=1) 카이제곱분포의 확률밀도함수를 계산 $$f(x, k) =\frac{1}{2^{\frac{k}{2}−1}Γ(\frac{k}{2})}x^{k−1}\exp\left(−\frac{x^2}{2}\right)$$ x: 확률변수 df: 자유도 pd.concat(objs, axis=0, join=’outer’, …) 두 개이상의 객체를 결합한 새로운 객체를 반환. objs: Series, DataFrame 객체. Axis=0은 행단위 즉, 열 방향으로 결합, Axis=1은 열단위 즉, 행 방향으
삼각함수 경우 다음과 같이 치환을 사용하여 적분할 수 있습니다. $\int cos(x)sin^5(x)dx$ sin(x)=u, cos(x)dx=du로 치환하면 $\int u^5 du = \frac{1}{6}sin^6(x)+c$ 위의 경우는 치환한 부분의 미분이 존재하는 경우입니다. 그러나 다음과 같이 그렇지 않은 경우는 삼각함수 자체를 변형하여 실행할 수 있습니다. $\int sin^5dx=\int sin(x)sin^4(x)dx=\int sin(x)(1-cos^2(x))^2\\ \because sin^2(x)+cos^2(x)=1 \rightarrow sin^2(x)=1-cos^2(x) \\ cos(x)=u, -sin(x)dx=du \\-\int (1-u^2)^2 du= -\int 1-2u^2+u^4 du=-u+\frac{2}{3}u^3-\frac{1}{5}u^5+c=-cos(x)+\frac{2}{3}cos^3(x)-\frac{1}{5}cos^5(x)+c$ >>> from sympy import * >>> x=symbols("x") >>> integrate(sin(x)**5) -cos(x)**5/5 + 2*cos(x)**3/3 - cos(x) 예) 다음 함수의 적분 $\int sin^6(x)cos^3(x) dx$ 위 함수에 cos(x)=u → -sin(x)dx=du 로 치환하면 다음과 같이 변형됩니다. $\int sin^5(x)cos^3(x)sin(x)dx=-\int sin^5(x)udu$ 위의 식에서 sin^5(x)에 대한 처리가 문제가 됩니다. 반면에 sin(x)=u, cos(x)dx=du로 치환하면 보다 적분이 용이한 식으로 전환됩니다. $\int sin^6(x)cos^2(x)cos(x)dx=\int sin^6(x)(1-sin^2(x))cos(x)dx\\=\int u^6(1-u^2)du=\frac{1}{7}u^7-\frac{1}{9}u^9+c\\=\frac{1}