|
1. 확률분포의 기본 개념 및 데이터 분석에서의 중요성
확률분포는 어떤 무작위 현상(랜덤 변수)의 가능한 모든 결과값과 각 결과값이 나타날 확률을 대응시키는 함수를 의미합니다. 즉, 수집된 데이터가 특정한 값을 가질 가능성이 얼마나
|
|
|
랜덤한 요인에 의한 변동으로 분해하며 이 두 변동의 비가 통계적으로 유의한 자를 검정하는 분석방법이다.
희귀분석
두 변수사이의 관계를 분석하는 것이다. 희귀분석은 관계의 함수형태를 알고 다하는 것이다. 일반적으로 한 변수에 대한
|
|
|
랜덤넘버를 생성하고, singular linked list 노드를 만든 후에 각 노드 에 생성된 랜덤넘버를 넣는다.
3). 각 노드들을 차례대로 링크시킨다.
4). Sorting 함수를 호출하여서 오름차순으로 재배열 한다.
5). 입력받은 행렬의 사이즈에 맞게 행렬을
|
|
|
함수로 평균이 0이고 분산이 1인 값에서 분산
% No/2를 곱해서 평균이 0이고 분산이 No/2인 노이즈
% 생성
re_rxdata=real(data)+noise; % 생성한 노이즈를 real값과 imaginery값에 각각 더해서
im_rxdata=imag(data)+noise; % noise signal을 만들어줌
%% Decision part
re(find(re_
|
|
|
|
함수 등을 사용).
(3) student.dat 파일에 저장되어 있는 모든 레코드를 랜덤(random)하게 읽어 들이는 프로그램을 구현하시오(주어진 read_random.c를 완성). 또한, 이때 걸리는 시간을 측정하는 코드를 프로그램에 추가하시오.
2. 입력
- create_fi
|
|
|
함수설명
5. SA를 이용한 최적해 탐색과정
5.1 신규해 갱신여부 결정함수
5.2 최적해 탐색 과정
5.3 개선해 갱신여부 결정(dE가 0보다 큰 경우)
5.4 비개선해 갱신여부 결정(dE가 0보다 작은 경우)
5.5 최적화 문제에 근거한 dE함수
|
|
|
함수를 μA : x → [ 0, 1 ] 라고 했을 때
2. 참고 : 집합
1) 일반집합, 이진집합(Binary Set, Crisp Set)
2) 퍼지집합(Fuzzy Set)
3) 크리스프집합의 소속함수
4) 퍼지집합의 소속함수
Ⅶ. 퍼지이론과 퍼지추론
1. 고전적 추론방법
1) 전향 추론(modus ponens)
|
|
|
|
랜덤 데이터 생성
for(j=0; j<DATA; j++) {
data[j] = rand()%DATA;
}
count = selection_sort(data); // 선택정렬 함수 호출
// 정렬된 1000개의 데이터
|
|
|
랜덤한 데이터를 발생하고 이 데이터를 파일에 저장하고 다시 읽어보면
rand(\'seed\',sum(clock));
p=floor(6*rand(1));
q=floor(4*rand(1));
A=triu(tril(rand(7,5),q),-p);
p=floor(6*rand(1));
q=floor(4*rand(1));
B=triu(tril(rand(7,5),q),-p);
fid=fopen(\'randmatrix.txt\',\'wt\');
fprintf(fid,\'A=\\
|
|
|
|
함수 그림을 그려보시오. 또한 적절한 그래프를 이용해 이 변수가 정규분포를 따르는지 확인해 보시오. (9점)
①코드 ②결과 ③설명
5. R Markdown 기능을 이용하여 위 4번 그래프 및 해석 등 결과를 종합한 내용을 html 문서로 작성하시오. 단,
|
|
메뉴펼치기
