누구나 그래픽 T를 만들지만 Under Armour는 그래픽을 더 좋게 만듭니다. Show 우리가 사용하는 원단은 가볍고 부드러우며 속건성입니다. 지금 바로 Under armour 반팔 티셔츠 ABC Camo Fill Wordmarck를 주문하시면 단 며칠 이내로 집에서 받아보실 수 있습니다! 다양한 사이즈와 색상의 Under armour 반팔 티셔츠 ABC Camo Fill Wordmarck가 준비되어 있으니 고객님이 원하시는 제품을 찾아 보십시오. 바로 지금, Under armour 반팔 티셔츠 ABC Camo Fill Wordmarck 제품을 구입하실 수 있으며, 가격은 42.126 S$입니다. 우리 스토어에서 다양한 티셔츠 제품이 고객 여러분을 기다리고 있습니다. 고객님께서 필요로 하시는 제품은 바로 이 곳에서 모두 찾아보실 수 있습니다. ANOVA(analysis of variance): 독립변수 범주형(3개 이상), 종속변수 연속형
일원 분산분석(one-way anova): 1개의 요인에 집단이 3개 실습 1 : 세 가지 교육방법을 적용하여 1개월 동안 교육받은 교육생 80 명을 대상으로 실기시험을 실시 . 귀무가설 : 교육생을 대상으로 3가지 교육방법에 따른 실기시험 평균의 차이가 없다. * anova1.py
- 이상치 제거
- 정규성
stats.ks_2samp(data1, data2).pvalue : 정규성 확인
- ANOVA
import statsmodels.api as sm from statsmodels.formula.api import ols model = ols('종속변수 ~ 독립변수', data).fit() : model p-value : 0.727597 > 0.05 이므로 귀무가설 채택.
model = ols('종속변수 ~ 독립변수1 + 독립변수2', data).fit() : 다중회귀 사후 검정(Post Hoc Test) : 가능한 모든 쌍을 비교하며 예상되는 표준 오류보다 큰 두 가지 방법의 차이를 정확하게 식별하는 데 사용 할 수 있다.
from statsmodels.stats.multicomp import pairwise_tukeyhsd result = pairwise_tukeyhsd(data, data.독립변수) : 사후검정. result.plot_simultaneous() : 시각화. 일원분산으로 집단 간의 평균 차이 검증
* anova2.py
np.genfromtxt(urllib.request.urlopen(url), delimiter=',') : url 읽기
model = ols('종속변수 ~ C(독립변수, ... )', df).fit() : C(변수명 + ..) : 범주형임을 명시적으로 표시 f_statistic, p_val = stats.f_oneway(gr1, gr2, gr3) : 일원 분산 검정 일원 분산분석
온도를 3 그룹으로 분리. 귀무가설 : 온도에 따른 매출액 평균에 차이가 없다. * anova3.py
- 일별 최고온도를 구간설정을 통해 연속형 변수를 명목형(범주형) 변수로 변경
pvalue=2.360737101089604e-34
< 0.05 이므로 귀무가설 기각. 등분산성 만족 하지않을 경우 Welch's ANOVA를 사용anaconda prompt 접속
정규성을 만족하지 못한 경우 kruskal-wallis test 사용
pvalue < 0.05 이므로 귀무가설 기각.
이원 분산분석: 요인 2개 귀무가설 : 태아와 관측자수는 태아의 머리둘레의 평균과 관련이 없다. * anova.py
p-value
PR(>F) C(태아수):C(관측자수) : 3.295509e-01 > 0.05 이므로 귀무가설 채택. jikwon 테이블 정보로 chi, t검정, anova * anova5_t.py
|