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
행렬에서 각 값을 제곱하는 형태는 전치행렬과의 행렬곱으로 이루어집니다. $X^TX$ 위 식으로 부터의 값들의 합과 일반적인 형태는 공학, 통계학, 경제학, 미분기하학등에서 많이 사용되는 것으로 이차 형태(Quadratic forms)라고 합니다. $R^n$차원에서 이차형태는 함수 Q로 정의되며 벡터 x에 대해 다음과 같이 표현됩니다. $Q(x)=x^TAx$ A : 이차형태의 행렬로서 $n \times n $차원의 대칭행렬 가장 간단한 이차형태는 $Q(x)=x^TIx=||x||^2$입니다. >>> import numpy as np >>> import numpy.linalg as LA >>> import pandas as pd >>> from sympy import * >>> np.set_printoptions(precision=4, suppress=True) 1. 벡터 x의 Q(x)? $x=\left[\begin{array}{r}x_1 \\x_2 \end{array}\right]$ >>>x1, x2=symbols("x1, x2") >>> x=Matrix(2,1, [x1, x2]); x Matrix([ [x1], [x2]]) 1) >>> A=Matrix([[4,0],[0, 3]]); A Matrix([ [4, 0], [0, 3]]) >>> QA=x.T*A*x; QA Matrix([[4*x1**2 + 3*x2**2]]) 2) >>> B=Matrix([[3,-2],[-2,7]]); B Matrix([ [ 3, -2], [-2, 7]]) >>> QB=x.T*B*x; QB Matrix([[x1*(3*x1 - 2*x2) + x2*(-2*x1 + 7*x2)]]) >>> expand(QB) Matrix([