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
우리 주변에 존재하는 다양한 물질들은 무엇으로 구성되어 있을까요? 그리고 한 물질이 다른 물질과 다른 이유는 무엇일까요? 이를 이해하기 위해서는 물질을 형성하는 단위 블럭 즉, 원자를 면밀히 관찰해야합니다. 원자는 우주의 모든 구조와 유기체를 형성하는 기본입니다. 행성, 태양, 풀과 나무, 우리가 숨 쉬는 공기, 사람들은 모두 원자의 다른 조합으로 구성됩니다. 원자모형 원자(atom)은 그리스어로 "더이상 분해되지 않은 (indivisble)"의 의미로서 그리스 철학자 Democritus(BC 5세기)에 의해 최초로 창안되었습니다. 현재는 원자가 양전하인 핵을 중심으로 음전하인 전자들에 의해 둘러쌓인 구조라고 알려져 있습니다. 현재의 이러한 원자의 구성이 밝혀지기 전까지는 원자에 대한 다른 모형이 존재해 왔습니다. (전하(electric charge)전기현상을 일으키는 주체적인 원인으로, 어떤물질이 갖고 있는 전기의 양 전자(electron): 음전하를 띠고 있는 기본입자 전기(electricity): 전하를 가지는 물질의 존재 및 흐름에 관계된 모든 물리현상) 정의: 모형(Model) 실제 환경에서 어떤 시스템을 표현합니다. 모형은 시스템들과 그들의 특성을 이해하는데 도움을 줍니다. 예를들어 원자 모형은 우리가 알고있는 원자의 특성들을 기반으로 그 구조를 나타냅니다. 현재 우리가 가지고 있는 지식을 기반을 하기 때문에 원자의 실제의 완전한 모습을 나타낸다고 할 수는 없습니다. 1. Plum pudding model J.J. Thomson (1897)에 전자(electron)를 발견한 후에 사람들은 원자가 이전에 생각해온 것 보다 더 작은 입자들로 구성되어있다는 것을 알게 되었습니다. 그러나 원자핵은 아직 발견되지 않았지요. 그런 상태에서 원자모형으로 plum pudding model(1904)이 창안되었습니다. 이 모형은 다음그림과 같이 양전하(positive charge)의 수프에 음전자(negative elec