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，根据您的要求，我会为您作出Y关于X的N-W回归函数曲线。为了完成这个任务，我们需要进行以下几个步骤：

1. 首先，我们需要生成符合要求的样本数据。根据您给出的模型，我们可以使用以下代码生成500个样本：

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(42)

n = 500
x = np.random.uniform(0, 2*np.pi, n)
e = np.random.normal(0, 1, n)
y = np.sin(x) + e

2. 接下来，我们需要使用N-W回归方法拟合回归函数曲线。可以使用statsmodels库中的WLS方法进行拟合。代码如下：

from statsmodels.regression.linear_model import WLS

x = x.reshape(-1, 1)

# 使用N-W方法计算权重
def get_weights(x):
    n = len(x)
    w = np.zeros((n, n))
    for i in range(n):
        for j in range(n):
            w[i][j] = np.exp(-(x[i]-x[j])**2/(2*0.5**2))
    return w

weights = get_weights(x)

# 拟合回归函数曲线
model = WLS(y, x, weights=weights)
result = model.fit()

# 输出回归结果
print(result.summary())

3. 最后，我们可以使用matplotlib库将拟合的回归函数曲线绘制出来。代码如下：

# 绘制回归函数曲线
x_pred = np.linspace(0, 2*np.pi, 100)
y_pred = result.predict(x_pred.reshape(-1, 1))

plt.scatter(x, y, alpha=0.5)
plt.plot(x_pred, y_pred, color='red')
plt.xlabel('X')
plt.ylabel('Y')
plt.title('N-W Regression')
plt.show()

运行以上代码，即可得到符合要求的回归函数曲线。