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 급수 급수정리 선형독립 정리 행렬의 차원과 급수 급수(Rank) 부분 공간 H의 차원 은 그 공간을 구성하는 기저 벡터의 수 입니다. 그 기저 벡터의 수를 급수 (rank)라고 합니다. 예) 다음 동차 방정식의 급수를 결정해 봅니다. $$\begin{align} &3x_1 + 6x_2 - x_3 + x_4 + 7x_5 = 0\\ &x_1 - 2x_2 + 2x_3 + 3x_4 - x_5 = 0\\ &2x_1 - x_2 + 5x_3 + 8x_4 - 4x_5 = 0 \end{align}$$ A=np.array([[-3,6,-1,1,7], [1,-2,2,3,-1], [2, -4, 5, 8, -4]]) c=np.array([0,0,0]).reshape(-1,1) au=np.hstack([A,c]) au array([[-3, 6, -1, 1, 7, 0], [ 1, -2, 2, 3, -1, 0], [ 2, -4, 5, 8, -4, 0]]) sp.Matrix(au).rref() (Matrix([ [1, -2, 0, -1, 0, 0], [0, 0, 1, 2, 0, 0], [0, 0, 0, 0, 1, 0]]), (0, 2, 4)) 위 결과에 의하면 피벗 열은 0, 2, 4열이므로 이 열에 대응되는 열벡터들은 기저 벡터가 됩니다. 그러므로 나머지 각각의 열벡터와 기저 벡터들간에 선형 독립 관계가 성립합니다. P=A[:, [0, 2, 4]];P array([[-3, -1, 7], [ 1, 2, -1], [ 2, 5, -4]]) sp.Matrix(np.hstack([P, A[:,1].reshape(-1,1)])).rref()[0] $\small \color{navy}{\left[\begin{matrix}1 & 0 & 0 & -2\\0 & 1 &a