Python

사건의 종속성 vs 독립성사건 A의 발생 여부가 사건 B의 발생 여부에 대한 정보를 제공한다면,사건 A와 사건 B는 종속 사건(dependent event).사건 A의 발생 여부가 사건 B의 발생 여부와 상관이 없다면,사건 A와 사건 B는 독립 사건(independent event). 동전 2개를 던지는 경우A: 첫번째 동전이 앞면B: 두번째 동전이 뒷면C: 두 동전 모두 뒷면(앞면) A와 B는 독립 사건.A와 C는 종속 사건. P(A): 사건 A가 일어날 확률P(B): 사건 B가 일어날 확률P(A,B): 사건 A와 사건 B의 교집합이 일어날 확률 P(A,B) = P(A) * P(B)이 성립하면, 두 사건은 독립 사건. # 자녀가 2명인 경우,# A : 첫째가 딸인 경우# B : 둘째가 아들인 경우# C..

사건 공간(universe of events)사건(event)확률(probability) import random coin = ['H', 'T'] print(random.choice(dice))random.choice()는 랜덤으로 'H', 'T'를 선택하여 리턴하는 함수 # 동전 1개를 10,000번 던지는 실험 # 앞면(H)이 나올 확률과 뒷면(T)이 나올 확률이 1/2임을 증명 heads = 0 tails = 0 trials = 10000 for i in range(trials): choice = random.choice(coin) if choice == 'H': heads += 1 else: tails += 1 print('P(H) = heads/10,000 =', heads/trials) pri..

통계 함수 만들기 중심 경향성 : 평균, 중앙값, 분위수(4분위, 100분위=퍼센트), 최빈값,산포도 : 분산(variance), 표준편차(standard deviation), 범위(range)상관 관계 : 공분산(Covariance), 상관계수(Correlation) def mean(x):"""리스트 x의 모든 아이템들의 평균을 계산해서 리턴x = [x1, x2, ..., xn]mean = (x1 + x2 + ... + xn) / n :param x: 원소 n개인 (1차원) 리스트:return: 평균""" return sum(x) / len(x) def median(x):"""리스트 x를 정렬했을 때 중앙에 있는 값을 찾아서 리턴n이 홀수이면, 중앙값을 찾아서 리턴n이 짝수이면, 중앙에 있는 두 개 값..

import numpy as np # numpy.ndarray 타입의 객체를 생성 A = np.array([ [1, 2, 3], [4, 5, 6] ]) B = np.array([ [1, 2], [3, 4], [5, 6] ]) print(A) print(B) print(A.shape) # 2x3 행렬 print(B.shape) # 3x2 행렬 (2, 3)(3, 2) nrows, ncols = B.shape print(nrows, 'x', ncols) 3 x 2 # slicing: 특정 행, 특정 열의 원소들을 추출하는 방법 # list[row][column], ndarray[row, column] print(A[0, 0]) print(B[1, 1]) 14 print(A[0:2, 0:3]) print(A[0..