일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- Linux
- 블로그
- 독후감
- MATLAB
- 파이썬 시각화
- MySQL
- Blog
- 월간결산
- tensorflow
- 한빛미디어서평단
- 티스토리
- Google Analytics
- 파이썬
- 통계학
- matplotlib
- python visualization
- 서평단
- 리눅스
- Python
- 매틀랩
- SQL
- Ga
- 딥러닝
- Tistory
- 서평
- Pandas
- Visualization
- 한빛미디어
- 시각화
- 텐서플로
- Today
- Total
목록Science/통계학 (35)
pbj0812의 코딩 일기
0. 목표 - 몬테 카를로 방법을 통한 원의 넓이 계산 1. 실습 1) library 호출 import random import matplotlib.pyplot as plt 2) 인풋 데이터 제작 함수 - x와 y가 -1 ~ 1 사이의 랜덤한 실수 생성 - x**2 + y**2 가 1보다 작을 경우 원의 넓이에 포함되게 리스트에 넣어줌 def monte(inp): circle = 0 non_circle = 0 circle_x = [] circle_y = [] non_circle_x = [] non_circle_y = [] for i in range(inp): x = random.uniform(-1, 1) y = random.uniform(-1, 1) if (x**2) + (y**2)
* 주의 : 이 데이터는 회귀를 사용하기에는 좋은 데이터가 아닙니다!!! 0. 목표 - python을 이용한 내 블로그 방문자 수 회귀선 그리기 - Y = a + bX (링크) 1. 실습 1) library 호출 import matplotlib.pyplot as plt 2) 데이터 생성 - y : 블로그를 다시 쓰기 시작한 2019년 2월 부터의 방문자수를 사용 - x : 2019년 2월을 1로 두고 1씩 증가하는 형태 y = [98, 221, 221, 419, 440, 451, 531, 523, 699, 612, 977, 1002, 1263, 1531, 2174, 3320, 3758, 5161] x = [i for i in range(1, len(y) + 1)] 3) 데이터 확인 plt.bar(x, y..
0. 목표 - python을 이용한 부트스트랩 구현 1. 이론 1) 샘플 값을 하나 뽑아서 기록하고 제자리에 놓는다. 2) n번 반복한다. 3) 재표본추출된 값의 평균을 길록한다. 4) 1~3단계를 R번 반복한다. 5) R개의 결과를 사용하여 (1) 표준편차 계산 (2) 히스토그램 or 상자그림 (3) 신뢰구간 찾기 2. 실습 1) library 호출 import numpy as np 2) 평균 def mean(inp): result = 0 len_inp = len(inp) for i in inp: result += i result = result / len_inp return result 3) 모수생성 - 정규 분포를 따르는 백만개의 수 생성 mom = list(np.random.normal(size ..
0. 목표 - python을 통한 모평균의 신뢰구간 계산 1. 실습 1) library 호출 import random import matplotlib.pyplot as plt import pandas as pd import numpy as np 2) 모집단 생성 - 0과 1이 나오는 랜덤 게임을 만들고 10번을 던져 더한 값을 10000번 반복하여 저장 def game(inp): try_result = [] for i in range(inp): try_result.append(random.randint(0, 1)) result = sum(try_result) return result def game_result(inp): result = [] for i in range(inp): result.append..
0. 목표 - python으로 F 분포 그래프 그리기 - 독립된 두 카이제곱 분포를 따르는 확률변수 비의 분포, 등분산검정과 분산분석 등에 주로 이용 - F 값 = (카이제곱 / 자유도) / (카이제곱 / 자유도) 1. 실습 1) library 호출 import numpy as np import pandas as pd import matplotlib.pyplot as plt 2) 카이제곱 리스트 연산 함수 - 1000번 시행 def normal(inp): result = [] for i in range(1,1001): tmp = np.random.normal(size = inp) dummy = 0 for i in range(inp): tmp2 = tmp[i] ** 2 dummy += tmp2 result..
0. 목표 - python을 통한 자유도에 따른 카이제곱 분포 그리기 - 카이제곱 분포는 정규분포를 따르는 여러 데이터를 한꺼번에 취급할 수 있어, 분산분석에 이용가능 1. 실습 1) library 호출 import numpy as np import pandas as pd import matplotlib.pyplot as plt 2) 카이제곱 리스트 생성 - np.normal.random을 통해 정규분포의 무작위 값 획득 - 1000번을 돌려 각 값에 대한 제곱값을 획득 def normal(inp): result = [] for i in range(1,1001): tmp = np.random.normal(size = inp) dummy = 0 for i in range(inp): tmp2 = tmp[i]..
0. 목표 - python으로 포아송 분포 함수 구현 1. 사전 이론 준비 - 시행 횟수가 아주 많고, 사상 발생의 확률이 아주 작을때의 이항분포 - ex) 공장에서의 불량품 수 2. 실습 1) 네이피어 수 구현 및 확인 - 1000번 까지만 구함 - 결과 :2.7169239322355936 def exp(inp): result = (1 + 1/1000) ** 1000 result = result ** (inp) return result print(exp(1)) 2) factorial 함수 구현 및 확인 - 0을 input으로 넣었을 때는 1이 출력되도록 조건 추가 - 결과 : 6 def factorial(inp): result = inp i = inp while i > 1: i -= 1 result *..
0. 목표 - python으로 왜도와 첨도를 구현하고 scipy 함수와 비교 1. 사전이론 1) 왜도 - 사진링크 2) 첨도 - 사진링크 2. 사전 함수 준비 1) 평균 def mean(inp): result = 0 len_inp = len(inp) for i in inp: result += i result = result / len_inp return result 2) 분산 def var(inp): result = 0 len_inp = len(inp) for i in inp: result += (i - mean(inp)) ** 2 result = result / len_inp return result 3) 제곱근 def sqrt(inp): result = inp/2 for i in range(30): ..
0. 목표 - 동전 던지기 게임을 통한 정규분포 그래프 생성(python) - 규칙 : 게임 1회 당 동전을 10번 던져 각 0, 1점을 부여 및 합산(총 0 ~ 10점) 1. 실습 1) library 호출 import random import matplotlib.pyplot as plt import pandas as pd 2) 시도(동전을 던지는) 횟수에 따른 점수 합산 함수 - randint를 사용하여 0 아니면 1이 랜덤으로 나오게 지정 - sum을 이용하여 모든 시도의 점수를 합산 - 결과 : 3 def game(inp): try_result = [] for i in range(inp): try_result.append(random.randint(0, 1)) result = sum(try_resu..
0. 목표 - python으로 피어슨의 상관계수 구현하기 - 상관의 정도를 나타내는 지표로 -1에서 1 사이의 값을 취함 1. 실습 1) 실습 데이터 생성 - 한눈에 봐도 상관 있어 보이는 느낌의 데이터 생성 data1 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 11] data2 = [2, 5, 7, 9, 12, 13, 15, 16, 19, 20] 2) 평균 함수 구현 def mean(inp): result = 0 len_inp = len(inp) for i in inp: result += i result = result / len_inp return result 3) 제곱근 함수 구현 - 반복 횟수가 커질수록 정확도 상승 def sqrt(inp): result = inp/2 for i in ..