본문 바로가기

STUDY

 (98)
[데이터 과학을 위한 파이썬 프로그래밍_2판] 4. 조건문과 반복문 연습문제 풀이. 1. 다음은 입력된 나이에 따라 학교를 구분하는 함수다. ABC를 입력했을 때 결과는? year = int(input('나이를 입력하세요 : ')) if 1
[데이터 과학을 위한 파이썬 프로그래밍_2판] 3. 화면 입출력과 리스트(2) 연습문제 풀이. 1. 다음과 같은 코드 작성 시, 빈 칸에 알맞은 코드를 고르시오. # 입력 a = [1] b = ['a', 'b', 'c'] 빈칸 print(b) # 출력 ['a', [1], 'c'] ① b[1] = a[0] ② b[1:2] = a[0:1] ③ b[1] = a[0:1] ④ b[1:2] = a[0] ⑤ b[0] = a[1] - 답 및 해설 ③ b[1] = a[0:1] => b의 1번째 인덱스의 값이 a로 바뀌었다. a의 원소 1이 아닌 list a, 즉 [1]임에 주의하자. 1이 아닌 [1]이라면, a에 인덱싱이 아닌 슬라이싱을 해야 하고, b의 값이 대체되었으므로 b는 슬라이싱이 아닌 인덱싱을 해야 한다. 즉 b[1] = a[0:1] 2. 다음과 같이 코드를 작성했을 때, 실행 결과로 ..
[데이터 과학을 위한 파이썬 프로그래밍_2판] 3. 화면 입출력과 리스트(1) - 화면 입출력 1. 표준 입력 함수 : input() // 표준 출력 함수 : print() # 예시 1 # 입력 print('이름을 입력하세요 : ') someone = input() print("안녕", someone, "오늘 기분이 어때?") # 출력 이름을 입력하세요 : Wien 안녕 Wien 오늘 기분이 어때? # 예시 2 # 입력 a = input("입력하세요! : ") print(a, type(a)) b = input("입력하세요! : ") print(b, type(b)) c = input("입력하세요! : ") print(c, type(c)) d = int(input("입력하세요! : ")) print(c, type(d)) e = float(input("입력하세요! : ")) print(..
[데이터 과학을 위한 파이썬 프로그래밍_2판] 2. 변수와 자료형 이 챕터의 내용은 딱히 정리할 게 없으므로, 연습문제만 풀이하겠습니다. 1. 다음과 같은 코드 작성 시, 빈 칸에 들어갈 수 없는 코드를 고르시오 - 입력 a=20 b='10' print(빈칸) - 출력 True ① a = int(b) - 답 및 해설 ① a a는 int형, b는 str형 데이터이기 때문에 자료형을 서로 일치시키지 않으면 서로 비교할 수 없다. 2. 다음 중 변수를 메모리에서 삭제하기 위해 사용하는 명령어는? ① remove ② clear ③ del ④ pop ⑤ delete - 답 및 해설 ③ del a=3 print(a) del a print(a) 3 Traceback (most recent call last): File "C:\Users\quddu\workspace\a=3.py", ..
[ProDS] 14. 모평균 비교에 관한 가설검정(independent two sample t-test) 본 포스팅은 ProDS 필기 강의를 듣고 정리, 요약한 내용입니다. 두 모집단의 모평균의 차이($\mu_1 - \mu_2$) - 두 모집단 $X,\, Y$는 아래 조건들을 만족한다. 1) 서로 독립이고 2) 등분산이며 3) 정규 모집단이다 $$X\sim N[\mu_1,\, {\sigma_1}^2],\quad Y\sim N[\mu_2,\, {\sigma_2}^2],\quad {\sigma_1}^2 = {\sigma_2}^2 = \sigma^2$$ 이 때, $\theta = \mu_1- \mu_2$에 관한 추론은 추정량 $\hat{\theta}=\bar{X_1}- \bar{X_2}$의 표본분포를 이용한다. $\bar{X_1}$ : 모집단 $X$의 표본평균, $\bar{X_2}$ : 모집단 $Y$의 표본평균 ..
[ProDS] 13. 모평균에 관한 가설검정(One sample t-test) 본 포스팅은 ProDS 필기 강의를 듣고 정리, 요약한 내용입니다. 모평균에 관한 추론 - 모집단이 정규분포인 경우 표본평균의 표본분포 1) 모집단이 정규분포고 모분산 $\sigma^2$이 알려진 경우 $$\bar{X}\sim N[\mu,\, \frac{\sigma^2}{n}]$$ $$\Rightarrow Normalization \Rightarrow $$ $$Z = \frac{\bar{X}-\mu}{\sigma/\sqrt{n}} \sim N[0,\, 1]$$ 2) 모집단이 정규분포고 모분산 $\sigma^2$이 알려지지 않은 경우 : $\sigma^2$를 모르므로, 그 값을 표본 표준편차 $S$로, $Z$를 $T$로 대체한다. $$ S = \sqrt{\frac{\sum_{i=1}^n(X_i- \bar{..
[ProDS] 12. 가설검정의 원리 본 포스팅은 ProDS 필기 강의를 듣고 정리, 요약한 내용입니다. 통계적 가설검정 : 표본으로부터 주어지는 정보를 가지고 모수에 대한 가설(= 모수에 대한 예상, 주장, 추측 등)이 옳은지 그른지 판정하는 과정, 가설 1) 귀무가설($H_0$) : 사실로 알려져 있는 가설. 별 문제가 없는 한 나타날 것으로 예상되는 현상에 대한 기존의 입장. 2) 대립가설($H_1$) : 표본자료로부터 입증하고자 하는 가설 => 가설 검정은 표본의 정보가 귀무가설 $H_0$에 대한 충분한 반증이 되는가를 확인하는 것. 가설 유형 - 관심 모수가 $\mu$고, 검정하려는 모수의 경계값이 %\mu_0%일 때, 1) 왼꼬리 검정 - $H_0 : \mu = \mu_0,\; H_1 : \mu< \mu_0$ 2) 오른꼬리 검정 ..
[ProDS] 11. 점추정과 구간추정 본 포스팅은 ProDS 필기 강의를 듣고 정리, 요약한 내용입니다. 추정$Estimation$ : 어떤 모집단의 모수를, 통계량의 값을 이용해서 맞추는 것을 말한다. - 추정량 : 모수 $\theta$의 추정에 사용되는 통계량을 $\theta$의 추정량이라 하고, $\hat{\theta}$로 표기한다. - 추정치 : 관찰된 표본자료로 추정량의 값을 계산하는 것. - 점추정$point\, estimation$ : 하나의 모수를 한 개의 값으로 추정하는 것. - 구간추정$interval\, estimation$ : 모수가 포함되어있을 것으로 예상되는 구간으로 모수를 추정하는 것. 신뢰구간$Confidence\, Interval$ : $\theta$의 추정량 $\hat{\theta}$을 변형한 $L$과 $U$..

티스토리툴바