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 벡터의 좌표시스템 좌표 벡터(Coordinate vector) 좌표시스템(Coordinate system) 벡터의 좌표시스템 선형 결합이 자명한(trivial)해 를 갖는다면 그 시스템의 모든 열벡터는 기저(basis) 가 되며 스판의 요소가 됩니다. 선형 결합은 이 기저 벡터들을 이용하여 식 1과 같이 나타낼 수 있습니다. $$\begin{align}\tag{1} x &= c_1b_1 + c_2b_2 + \cdots + c_pb_p\\ &= Bc \end{align}$$ 식 1의 좌항 x는 우항의 기저 벡터들에 의한 벡터 공간 의 부분 공간이 됩니다. 그 기저들로 이루어진 벡터 공간은 다음 식 2의 집합 B와 같습니다. 즉, 부분 공간 H는 집합 B의 스판(span)이 됩니다. $$\begin{align}\tag{2} B &= \{b_1, b_2, \cdots, b_p\} \\ H &= \mathsf{Span \{b_1, b_2, \cdots, b_p\}} \end{align}$$ 예) 벡터들 v 1 , v 2 들은 벡터 c의 기저 벡터입니까? $$v_1=\begin{bmatrix}3\\6\\2 \end{bmatrix}, \quad v_2= \begin{bmatrix}-1\\0\\1 \end{bmatrix}, \quad c=\begin{bmatrix}3\\12\\7 \end{bmatrix}$$ import numpy as np import numpy.linalg as la import sympy as sp import matplotlib.pyplot as plt v1=np.array([3, 6, 2]).reshape(-1,1) v2=np.array([-1,0,1]).reshape(-1,1) c=np.array([3, 12, 7]).reshape(-1,1) au=np.hstack([v1,v2, c]) # 확대 행렬 au array([[ 3, -1,