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 초기하분포(Hypergeometric distribution) 기대값과 분산 포아송분포(Poisson distribution) 기대값과 분산 초기하분포(Hypergeometric distribution) 초기하분포(Hypergeometric distribution) 란 비복원추출에서 N개 중에 n번 추출했을때 원하는 것 k개가 뽑힐 확률의 분포이다. 예를 들어 5개의 파란공과 3개의 빨간공이 포함되어 있는 주머니에서 2개의 공을 선택하면 그 공이 모두 파란 공일 확률은 다음과 같이 계산할 수 있습니다. $$\LARGE \frac{\binom{5}{0}\binom{3}{2}}{\binom{8}{2}}$$ import numpy as np import pandas as pd from scipy import stats import matplotlib.pyplot as plt from sympy import * from scipy import special p=special.comb(3, 2)*special.comb(5, 0)/special.comb(8, 2) round(p, 3) 0.107 이 시행은 모집단에서 선택할 공의 수에 대한 조건과 최종 성공을 위한 조건을 만족하여야 합니다. 즉, 두 가지 조건에 따른 시행은 선택된 파란공의 수가 랜덤변수(X)가 됩니다. R x ={0, 1, 2} 각 변수에 대응하는 확률의 변화는 초기하분포에 부합하며 확률질량함수는 식 1과 같이 표현됩니다. $$\begin{align}\tag{1} &X \sim \text{hypergeom(M, N, n )}\\ &n:\text{모집단에서 추출할 총 수} \\ &N:\text{성공경우의 총수} \\ &M :\text{모집단 수}\\\\ &\begin{aligned} f(x)&=P(X=x)\\&=\frac{\binom{n}{x} \binom{M-n