sons dataStory

클래스 학생들의 시험점수에 대해 합, 평균, 중간값, 최빈값, 그리고 표준편차를 계산하고자 합니다. 이러한 계산들을 다른 그룹에 적용하고 추후에 계속 사용하기 위해서 함수(function)로 작성할 것입니다. 다음은 각 항목을 계산하기 위한 함수들입니다. def sum(x): #합 re=0 for i in x: re += i return(re) def mean(x): #평균 re=0 for i in x: re += i return(re/len(x)) def median(x): #중간값 value=sorted(x) n=int(len(value)/2) if n % 2 ==0: med=(value[n-1]+value[n])/2 else: med=value[n] return(med) def mode(x): #최빈값 re={} for i in x: re[i]=x.count(i) v=list(re.values()) k=list(re.keys()) return(k[v.index(max(v))]) def std(x): #표준편차 n=len(x) mu=mean(x) sd0=0 for i in x: sd0 += (i-mu)**2 sd=(sd0/n)**(1/2) return(sd) numpy.random 모듈의 randint() 함수를 사용하여 [50, 100] 사이의 정수 100개를 무작위로 생성하였습니다. np.random.seed(0) x=np.random.randint(50, 101, 100) x=list(x) x[:10] [94, 97, 50, 53, 53, 89, 59, 69, 71, 100] print(f"합: {sum(x)}\n평균: {mean(x...

함수와 메소드 내용 A B C D E F G H I J K L M N O P Q R S T U V W Z A statsmodels.tsa.stattools.acf(x, adjusted=False, nlags, qstats=False, alpha=None,...) 매개변수 nlags에 지정한 시차까지의 자기상관계수를 반환 adjusted=True이면 자유도 (샘플수 - 설명변수의 수)를 고려 qstats=True이면 Ljung-Box q statistic 분석 즉, 자기상관=0 이라는 귀무가설을 검정하고 p-value를 반환 alpha를 지정하면 신뢰구간을 반환, 0.05 경우 95% 신뢰구간 statsmodels.ap.add_constant(설명변수) 설명변수의 행렬에 모든 요소들이 1인 편차항을 포함시킵니다. $$X=\begin{bmatrix}x_1\\x_2\\\vdots\\x_n\end{bmatrix} \rightarrow X0=\begin{bmatrix}1& x_1\\1& x_2\\\vdots\\1& x_n\end{bmatrix}$$ np.allclose(A, B, rtol = 1e−05, atol = 1e−08) 객체 A, B의 모든 원소가 같으면 True, 그렇지 않으면 False를 반환 각 원소값은 상대 임계값(rtol)과 절대 임계값(atol)을 기준 rtol과 atol의 기본값은 각각 소수점 이하 5자리 그리고 8자리까지 비교 scipy.stats.ansderson(x, dist="norm") x: 배열 계열의 객체 dist: 다양한 분포를 지정할 수 있음(‘norm’, ‘expon’, ‘logistic’, ‘gumbel’…) 기본은 nor(정규분포)...