sons dataStory

일원분산분석(One-way ANOVA) 관련된 내용 분산분석 (Analysis of variance)의 개요 일원분산분석(one-way ANOVA) 사후분석(Post-hoc test) 이원분산분석(two-way ANOVA) 분산분석의 귀무가설은 다음과 같습니다. H0 : µ 1 = µ 2 = · · · = µ n 분산분석을 위해 다음을 가정합니다. 각 모집단은 정규분포를 따릅니다. 모든 모집단의 분산은 동일합니다. 관측치들은 독립적이어야 합니다. 위의 정규성 가정은 각 그룹에 대응하는 모집단을 검정하는 것은 어렵기 때문에 모델의 잔차에 대한 검정으로 대신합니다. 또한 독립성은 자료의 수집단계의 정보에 의해 판단되는 것으로 분석 중에 그 검정은 쉽지 않습니다. 표 1에서 나타낸 것과 같이 one-way ANOVA는 각 factor에 포함되는 수준 즉 처리(treatment, 요인수준)가 없습니다. 그러므로 일원분산분석에서는 요인과 treatment가 같으며 각 요인에 포함된 값들(반응변수)을 그룹화합니다. 이 구조에서 각 그룹내의 변동과 각 요인들 사이의 변동을 비교합니다. 표 1 일원분산분석을 위한 자료구조 요인(처리) 1 2 … t 반응(값) x 11 x 12 … x 1t x 21 x 22 … x 2t ⋮ ⋮ ⋮ ⋮ x n1 x n2 … x nt 평균 X 1 X 2 … X .t 총평균 X .. 표 1로부터 각 값들은 식 1과 같이 일반화한 모형으로 나타낼 수 있습니다. x ij  = μ j + e ij (식 1) x ij : 각 값 μ j : 그룹 j의 평균 e ij : x ij 에 대응하는 오차 i:1, 2,…, n(그룹내 값의 수) j:1, 2, …, t(그룹의 수) 이 모형에서 각 변수는 독립적이고 정규분포에 부합한다고 가정했으므로 오차항(e) 역시 평균이 0이고 일정한 분산을 가진 정규분...

배열의 차원 수정 배열의 차원을 수정하기 위해 reshape() 함수 또는 메서드 flatten(), ravel() 메서드, newaxis 의 속성을 사용할 수 있습니다. np.reshape(객체, shape), 객체.reshape(shape) 객체를 지정한 배열의 모양(shape)으로 변환 2차원 배열의 경우 인수 중 하나를 고정하고 다른 인수로 -1을 전달할 경우 자동으로 배분 import numpy as np x=np.random.randint(20, size=(3,4)) x array([[16, 5, 11, 6], [19, 19, 17, 14], [16, 16, 2, 4]]) print(x.reshape((2,6))) [[ 6 3 8 8 13 5]    [ 7 9 9 0 7 8]] print(np.reshape(x, (-1, 6))) [[16 5 11 6 19 19] [17 14 16 16 2 4]] print(x.reshape((6,-1))) [[16 5] [11 6] [19 19] [17 14] [16 16] [ 2 4]] print(x.reshape((4,3))) [[16 5 11] [ 6 19 19] [17 14 16] [16 2 4]] 다음 flatten() 과 ravel() 메서드는 다차원 배열을 1차원으로 전환합니다. x.flatten() array([ 6, 3, 8, 8, 13, 5, 7, 9, 9, 0, 7, 8]) x.ravel() array([ 6, 3, 8, 8, 13, 5, 7, 9, 9, 0, 7, 8]) 배열에 포함된 부분요소 또는 그 배열 자체의 차원을 증가시키기 위해서는 np.newaxis 속성을 적용합니다. 이 속성은 가장 근접한 차원에 새로운 축을 첨가 합니다. 객체[part 또는 all, np.newaxis] y=np...