Kovariance vs. korelace

Kovariance měří, zda se dvě proměnné mění („variují") společně. Vypočítá se tak, že se bod po bodu vynásobí odchylky z předchozího cvičení, dx[n]*dy[n], a pak se z těchto součinů spočítá průměr.

Korelace je v podstatě normalizovaná kovariance. V tomto cvičení dostaneš dvě datová pole, která jsou navzájem silně korelovaná. Vizualizuješ je a vypočítáš obě hodnoty — covariance i correlation.

Toto cvičení je součástí kurzu

Úvod do lineárního modelování v Pythonu

Zobrazit kurz

Pokyny k cvičení

Vypočítej odchylky dx a dy odečtením průměru pomocí np.mean() a spočítej covariance jako průměr jejich součinu dx*dy.
Vypočítej normalizované odchylky zx a zy vydělením směrodatnou odchylkou pomocí np.std() a spočítej correlation jako průměr jejich součinu zx*zy.
Pomocí plot_normalized_deviations(zx, zy) vykresli součin normalizovaných odchylek a vizuálně porovnej výsledek s hodnotou korelace.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Compute the covariance from the deviations.
dx = x - np.____(x)
dy = y - np.____(y)
covariance = np.____(____ * ____)
print("Covariance: ", covariance)

# Compute the correlation from the normalized deviations.
zx = dx / np.____(x)
zy = dy / np.____(y)
correlation = np.____(____ * ____)
print("Correlation: ", correlation)

# Plot the normalized deviations for visual inspection. 
fig = plot_normalized_deviations(zx, zy)

Upravit a spustit kód