본문 바로가기

분류 전체보기96

APIClient와 APIRequestFactory의 차이 Django Rest Frameworkd(DRF)에서는 API를 테스트할 때 사용할 수 있는 여러 유틸리티를 제공하는데, APIClient와 APIRequestFactory는 그 중에서도 가장 자주 사용되는 도구입니다. 각각의 사용 목적과 기능적 차이를 아래와 같이 설명하려 합니다.1. APIClientAPIClient 는 DRF의 테스트를 위한 가장 강력한 도구 중 하나로, 완전한 웹 브라우저와 유사한 방식으로 작동합니다. 즉, 클라이언트는 HTTP 요청을 서버에 보내고 응답을 받는 과정을 시뮬레이션할 수 있습니다. APIClient를 사용하면 인증, 쿠키, 세션 등의 상태를 관리하면서 HTTP 메서드(GET, POST,PUT, DELETE 등)를 통한 요청을 손쉽게 만들 수 있습니다.from rest.. 2024. 10. 9.
Django 사용자 모델 커스터마이징하기 Django의 기본 사용자 모델은 많은 프로젝트에 충분하지만, 때로는 추가 정보를 저장하거나 기본 동작을 변경해야 할 필요가 있습니다. 이러한 요구사항을 충족하기 위해 Django는 사용자 모델을 커스터마이징할 수 있는 기능을 제공합니다. 다음은 커스텀 사용자 모델을 구현하는 방법을 단계별로 설명합니다.1. settings.py에서 사용자 모델 설정하기프로젝트의 settings.py 파일에서 AUTH_USER_MODEL 설정을 추가하여 Django에게 기본 사용자 모델 대신 사용할 모델을 알립니다.config/settings.pyAUTH_USER_MODEL = 'user.User'이 설정은 user앱의 User모델을 참조합니다. 이렇게 설정함으로써, Django는 모든 인증 관련 구조에서 이 커스텀 모델.. 2024. 10. 9.
확률변수의 함수의 분포: 이산형 분포의 근사, 체비셰프 부등식과 확률수렴, 극한 적률생성함수 이산형 분포의 근사(Approximation of Discrete Distributions)이산형 분포의 근사는 이산 확률분포를 연속 확률분포로 근사하여 계산을 간단하게 하거나 이론적 분석을 용이하게 하는 방법입니다. 대표적인 예로 포아송 분포와 이항 분포의 정규 분포로의 근사가 있습니다.포아송 분포의 정규근사평균 $\lambda$가 큰 포아송 분포는 평균과 분산이 $\lambda$인 정규 분포로 근사할 수 있습니다. 일반적으로 $\lambda \ge 30$일 때 유효하다고 여겨집니다.이항 분포의 정규근사시행 횟수 n이 크고, 성공확률 p가 0과 1에서 너무 멀지 않은 경우, 이항 분포 B(n,p)는 평균 np와 분산 np(1-p)를 가진 정규 분포로 근사할 수 있습니다. n이 크고 np와 n(1-p)가.. 2024. 10. 3.
확률변수의 함수의 분포: 적률생성함수기법, 정규분포와 관련된 확률함수, 중심극한정리 적률생성함수(Moment Generating Function, MGF)적률생성함수는 확률변수의 모든 적률(기댓값의 연산으로 정의되는 통계량)을 생성하는 함수입니다. 이 함수는 확률변수 X에 대한 정보를 포함하며, 특히 확률변수의 분포를 완전히 특정짓는 데 사용될 수 있습니다. 적률생성함수 $M_x(t)$는 다음과 같이 정의됩니다.$$ M_x(t) = E[e^tX] $$여기서 E는 기댓값을 의미하며, t는 실수입니다.활용적률생성함수는 분포의 모든 적률을 계산할 수 있게 해주며, 두 확률변수가 같은 분포를 갖는지 비교하는 데 유용합니다. 또한, 확률변수의 합의 분포를 찾는 데에도 사용됩니다. 예를 들어, 독립적인 확률변수들의 합의 적률생성함수는 각 확률변수의 적률생성함수의 곱과 같습니다.정규분포와 관련된 확.. 2024. 10. 3.
확률변수의 함수의 분포:한 확률변수의 함수, 두 확률변수의 변환, 여러 독립인 확률 변수 한 확률변수의 함수(Function of a Random Variable)확률변수의 함수는 어떤 확률변수 X에 대해 정의된 함수 Y = g(X)로, X의 각 값에 함수 g를 적용하여 새로운 확률변수 Y를 생성합니다. 이는 X의 확률 분포를 이용해 Y의 분포를 유도하는 과정입니다.예시만약 X가 표준 정규 분포를 따르는 확률변수라면, Y = $X^2$은 카이제곱 분포를 따릅니다. 이를 통해 X의 값을 제곱함으로써 Y 의 확률 분포를 얻을 수 있습니다.두 확률변수의 변환(Transformation of Two Random Variables)두 확률변수 X와 Y에 대해 정의된 함수 Z = g(X,Y)는 두 변수의 결합 분포를 사용하여 Z의 분포를 찾습니다. 이는 두 변수의 상호작용을 통해 새로운 확률변수를 형성.. 2024. 10. 3.
이변량 분포: 연속형 이변량 분포, 이변량 정규분포 연속형 이변량 분포(Continuous Bivariate Distribution)연속형 이변량 분포는 두 연속 변수의 결합된 확률 분포를 나타냅니다. 이는 두 변수가 각각 취할 수 있는 연속적인 값을 가지며, 이 두 변수 간의 확률적 관계를 모델링합니다.예시예를 들어, 어느 지역의 일일 최고기온과 일일 강수량을 생각해볼 수 있습니다. 이 두 변수는 연속적인 값을 가지며, 최고기온과 강수량의 결합 분포를 통해 어떤 기온에서 어떤 양의 비가 내릴 확률이 가장 높은지를 분석할 수 있습니다.활용이변량 연속 분포는 공학, 경제학, 환경과학 등 다양한 분야에서 두 변수 간의 관계를 파악하고 예측 모델을 만드는 데 사용됩니다.이변량 정규분포(Bivariate Normal Distribution)이변량 정규분포는 두 .. 2024. 10. 3.
이변량 분포: 이산형 이변량 분포, 상관계수, 조건부 분포이변량 분포: 이산형 이변량 분포, 상관계수, 조건부 분포 이산형 이변량 분포정의정의 1-1X와 Y를 이산형 확률공간에서 정의된 2개의 확률변수라고 하고, X와 Y에 대응하는 2차원 공간을 S라고 하자. X=x, Y=y인 확률을 f(x,y) = P(X = x, Y = y)라 하면, f(x, y)는 X와 Y의 결합확률질량함수(joint probalbility mass function, joint pmf)라고 하고 다음과 같은 성질을 갖는다.(a) $0 \le f(x, y) \le 1$(b) $\sum\sum_{(x,y) \in S} f(x,y) = 1$(c) $P[(X, Y) \in A] = \sum\sum_{(x,y) \in A} f(x,y)$, 여기서 A는 공간 S의 부분집합니다.정의 1-2X,Y가 공간 S에서 결합 pmf f(x,y)를 가질 때 X만의 pmf.. 2024. 10. 3.
연속형 확률변수: 지수, 감마, 카이제곱분포, 표준편차 지수분포(Exponential Distribution)지수분포는 특정 이벤트가 발생할 때까지의 대기 시간을 모델링할 때 사용됩니다. 이는 일정한 비율로 발생하는 사건의 간격을 설명하는데 적합합니다. 예를 들어, 라이도 활성 물질의 붕괴, 상점에 고객이 도착하는 시간 등이 있습니다.감마분포(Gamma Distribution)감마분포는 지수본포를 일반화한 것으로 ,여러 지수적 사건의 합을 모델링합니다. 이 분포는 다양한 생물학적 및 공학적 응용에 사용되며 서비스 시간과 수명 데이터 분석에도 유용합니다.카이제곱분포(Chi-squared Distribution)카이제곱분포는 독립적인 표준 정규분포를 따르는 변수들의 제곱합으로 정의됩니다. 이 분포는 주로 좋은 적합도 검정과 독립성 검정에 사용됩니다.정규분포(No.. 2024. 9. 24.
연속형 분포, 연속형 확률변수 확률 밀도 함수확률밀도함수는 연속형 확률변수의 분포를 설명하는 함수입니다. 이 함수는 특정 값에 대한 확률이 아닌 값의 밀도를 나타냅니다. 연속형 확률 변수의 경우 특정 값에서의 확률은 0 이지만, 확률밀도함수를 특정구간에 대해 적분하면 그 구간에서 변수가 취할 확률을 구할 수 있습니다.확률변수 X의 구간 [a, b] $-\infty $$ F(x) = \int_{-\infty}^{x} f(y)dy $$여기서$$ f(x) = \frac{1}{b-a}, a \le x \le b $$그리고 그 외의 곳에서는 0이다. 즉 F'(x) = f(x)이고 f(x)를 X의 확률밀도함수(proba-bility density function)라고 하며 X의 pdf로 간단히 표기한다.누적분포함수누적분포함수는 변수의 값이 특정.. 2024. 9. 24.