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 접선식 작성 접선그리기 접선 그리기 함수에 지정한 점위에 접선은 그 함수위의 점에 대한 미분계수를 기울기로 하는 직선입니다. 이 그래프를 작성하는 과정은 다음과 같습니다. 접선의 방정식 계산 함수 그래프에 접선의 그래프 결합 접선식 작성 def validX(x, f, symbol): a=[] b=[] for i in x: try: b.append(float(f.subs(symbol, i))) a.append(i) except: pass return(a, b) def tangentEq(p, f, sym): px, py=validX(p, f, sym) eq=[] for i in px: try: slo=float(N(diff(f, sym).subs(sym, i), 5)) #(1) intercept=float(f.subs(sym, i))-slo*i eq.append(slo*sym+intercept) except: pass return(eq, px, py) 사용자 정의함수 validX()는 그래프를 그리기 위한 x좌표 중 sympy 객체인 함수 f가 정의되지 않는 부분을 제외하기 위한 것으로 인수는 리스트 형식의 x, 함수이름 f, 그 함수의 변수인 symbol입니다. 사용자 정의함수 tangentEq()의 인수는 접점의 x좌표들을 리스트 형식으로 전달하고 sympy 객체인 함수 f와 그 함수의 변수 sym을 전달합니다. 코드의 (1)은 접점에서 미분계수를 계산합니다. 이 사용자 정의함수는 접선식(eq)과 접점의 x좌표(px), y좌표(py)를 반환합니다. import numpy as np import pandas as pd fr