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
내용 이차형식(Quadratic forms) 이차형식의 분류 제한된 최적화(Constrained Optimization) 이차형식(Quadratic forms) 이차형식(Quadratic forms) ax 2 + bxy + cy 2 과 같은 이차식은 식 1과 같이 행렬 형태로 나타낼 수 있습니다. 즉, $\mathbb{R}^n$차원에서 이차 형태는 함수 Q로 정의로 됩니다. $$\begin{equation}\tag{1} Q(x) = x^TAx \end{equation}$$ 식 1에서 A는 대칭행렬을 나타냅니다. 이 행렬의 대각원소들은 2차항의 계수이며 대각 외 원소들의 합은 1차 항들의 계수가 됩니다. 예를 들어 이차식의 형태 ax 2 +bxy +cx 2 는 식 2와 같이 행렬 형태로 나타낼 수 있습니다. $$\begin{equation}\tag{2} ax^2 + bxy + cy^2 \Leftrightarrow \begin{bmatrix} a&\frac{b}{2}\\\frac{b}{2}&c \end{bmatrix} \end{equation}$$ 이차식을 코드로 나타내기 위해서 기호(미지수)를 숫자와 같이 고려할 수 있는 sympy 패키지를 적용하였습니다. 이 패키지의 symbols() 함수는 기호를 미지수로 지정할 수 있습니다. 예) 대각 행렬 A를 이차 형태로 나타내면 다음과 같습니다. \[A=\begin{bmatrix} 4 & 0 \\ 0 & 3 \end{bmatrix}\] import numpy as np import numpy.linalg as la import sympy as sp x1,x2=sp.symbols("x1,x2") X=sp.Matrix(2,1, [x1, x2]) X $\color{navy}{\left[\begin{matrix}x_{1}\\x_{2}\end{matrix}\right]}$ A=s