|
294, 354, 315, 259
C
283, 268, 357, 325, 288, 295, 272, 245, 275, 246, 341
①코드
salaryA <- c(269, 196, 254, 226, 215, 228, 251, 217, 260, 240)
salaryB <- c(320, 281, 336, 303, 294, 354, 315, 259)
salaryC <- c(283, 268, 357, 325, 288, 295, 272, 245, 275, 246, 341)
salary <- c(salaryA, sa
|
|
|
id <- tidyr::spread(covid, iso_code, new_cases)
covid[is.na(covid)] <- 0 넓은 형태의 데이터로 변환하면서 생긴 결측치는 0으로 설정
library(xts)
covid.xts <- as.xts(covid[, c(\'KOR\', \'USA\', \'FRA\', \'JPN\')], order.by = covid$date)
plot.xts(covid.xts, main=\'일별 확진자수\')
a
|
|
|
거하고 남은
2차 행렬 로 계산한다.
정리 5.6(p114)에 따라 삼각행렬의 행렬식은 주대각선의 모든 요소의 곱과 같다. 따라서 |A| = 3 X 3 X 3 = 27이다.
3) 기출문제 8번
다음 중 행렬 의 역행렬은? (3점)
① ②
③ ④
설명
정리 5.9(p117)에 따라 역행렬이
|
|
|
--------------------------
<참고> , ,
(1) 층 2(중대형)에 속한 약국들의 하루 평균 판매액에 대한 95% 신뢰수준에서의 오차한계
를 구하면?
따라서 층2(중대형)에 속한 약국들의 하루 평균 판매액에 대한 95% 신뢰수준에서의 신뢰구간은 다음과 같
|
|
|
library(dplyr)
# mpg 데이터셋 로드
data(mpg)
# 구동방식 별 연비를 비교하는 상자그림 생성
mpg %>%
ggplot(aes(x = drv, y = hwy, fill = drv)) +
geom_boxplot() +
labs(title = \"본인의 학번\", x = \"구동방식\", y = \"연비\") +
scale_fill_discrete(name = \"구동방식\",
labels = c(\
|
|
|
얼굴그림은 열굴의 각 특성을 변수와 대응시켜 관찰값을 표시한 것이다.
얼굴그림은 다변량 변수의 속성값들을 15가지의 얼굴의 생김새(얼굴 높이, 얼굴 넓이, 입 높이, 입 넓이 등) 특성에 매핑해서 얼굴 모양이 달라지게 하는 방식이다.
위
|
|
|
도 유지한다. C의 경우 다양한 구성 요소 또는 다양한 시스템과의 인터페이스를 연결할 수 있지만, Python과 같은 언어의 사용 용이성, 가독성 및 풍부한 라이브러리 지원과 비교하면 글루 언어로서의 특성은 약하다고 할 수 있다.
Fortran은 주로
|
|
|
1. 교재 연습문제 3장(p. 73) ? 1번, 2번, 3번 (배점 9점)
(연습문제 1번) R을 사용하여 다음의 자료로 3개의 열을 갖는 데이터프레임을 만드시오 (이때 각 변수 의 이름은 name, height, weight로 한다). 이 자료에서 첫 번째 사람 kim의 키와 몸무게 두 값(
|
|
|
1. 교재 연습문제 3장(p. 73) ? 1번, 2번, 3번 (배점 9점)
(연습문제 1번) R을 사용하여 다음의 자료로 3개의 열을 갖는 데이터프레임을 만드시오 (이때 각 변수 의 이름은 name, height, weight로 한다). 이 자료에서 첫 번째 사람 kim의 키와 몸무게 두 값(
|
|
|
1. 연구 종료 시점에서의 성과점수(t2)의 상자그림을 성별로 나란히 그리시오. 그래프의 제목으로 본인의 학번을 넣으시오. (3점)
# install.packages('datarium')
library('datarium')
head(performance)
# 성별 t2 평균
aggregate(t2 ~ gender, data= performance, mean)
cat
|
|
메뉴펼치기
