모델
기본 URL과 필요한 API 키로 OpenAI 호환 또는 Anthropic 엔드포인트를 설정하고 연결을 테스트하세요. 로컬 모델 서버는 실행 중이어야 합니다. 원격 도구는 데이터를 별도로 전송할 수 있습니다.
제품
프로그램 기능 · 웰포드 표본 분산
01
측정 테스트 데이터를 집계 모듈 옆에 두어 제안된 상태 변경을 분모 선택과 같은 대화에서 검토합니다.
프로젝트
폴더를 선택하고 편집하기 전에 관련 파일을 읽도록 요청하세요. 작업의 목표와 변경 범위를 명확히 정합니다.
변경 사항
변경 사항과 명령 출력을 검토하세요. 결과를 채택하기 전에 프로젝트 검사를 실행해야 합니다. 생성된 코드는 자동으로 테스트된 코드가 아닙니다.
웰포드 표본 분산
● ● ●Varisel Desk●
작업 흐름 · 웰포드 표본 분산 ×
from math import isfinite
def sample_variance(values):
if type(values) not in (list, tuple) or not 2 <= len(values) <= 10000:
raise ValueError("sample count")
if any(type(x) not in (int, float) or not -1e150 <= x <= 1e150
or not isfinite(x) for x in values):
raise ValueError("bounded finite samples")
mean, m2 = 0.0, 0.0
for n, x in enumerate(values, 1):
delta = x - mean
mean += delta / n
m2 += delta * (x - mean)
return m2 / (len(values) - 1)✳절댓값이 1e150 이하인 2–10000개 값으로 웰포드 표본 분산을 계산합니다.
✓ 변경 사항적용하기 전에 검토하세요 ↗
작업 공간 예시 화면