利用python解决以下问题：从二次回归模型Y=sin(X）+ε（X服从均匀分布U(0，2π），ε服从标准正态分布）产生500 个样本（X1，Y1),（X2,Y2)，…，（X500，Y500），作出Y关于X的N-W回归函数曲线.

好的，这个问题可以使用Python中的numpy、matplotlib和statsmodels库来解决。首先，我们需要生成符合要求的数据集：

import numpy as np

np.random.seed(42)

X = np.random.uniform(0, 2*np.pi, 500)
epsilon = np.random.normal(0, 1, 500)
Y = np.sin(X) + epsilon

data = np.column_stack((X, Y))

接下来，我们可以使用statsmodels库中的函数来计算N-W回归函数曲线：

from statsmodels.nonparametric.smoothers_lowess import lowess

lowess_fit = lowess(Y, X, frac=0.5)

import matplotlib.pyplot as plt

plt.scatter(X, Y, alpha=0.3)
plt.plot(lowess_fit[:, 0], lowess_fit[:, 1], color='red')
plt.show()

这段代码将生成一个散点图，并在该散点图上绘制N-W回归函数曲线。其中，frac参数表示平滑程度，可以根据实际情况进行调整。

完整代码如下：

import numpy as np
from statsmodels.nonparametric.smoothers_lowess import lowess
import matplotlib.pyplot as plt

np.random.seed(42)

X = np.random.uniform(0, 2*np.pi, 500)
epsilon = np.random.normal(0, 1, 500)
Y = np.sin(X) + epsilon

data = np.column_stack((X, Y))

lowess_fit = lowess(Y, X, frac=0.5)

plt.scatter(X, Y, alpha=0.3)
plt.plot(lowess_fit[:, 0], lowess_fit[:, 1], color='red')
plt.show()