Erklärte Varianz
Du hast gesehen, dass die Mietpreise zwischen Houston und Las Vegas korreliert sind. In welchem Ausmaß kann jedoch die Preisänderung in einer Stadt die Preisänderung in der anderen erklären? Durch das Berechnen von R-Quadrat kannst du das genau quantifizieren.
Ein NumPy-Array der Mieten wurde für Las Vegas (lasvegas_rents) und Houston (houston_rents) geladen, ebenso die dates, die jeder Messung zugeordnet sind. Die Pakete pandas als pd, NumPy als np, Matplotlib als plt und das stats-Paket aus SciPy wurden bereits für dich geladen.
Diese Übung ist Teil des Kurses
<Kurs>Grundlagen der Inferenz in Python</Kurs>Übungsanweisungen
- Berechne den Pearson-Korrelationskoeffizienten zwischen
houston_rentsundlasvegas_rents. - Gib das Quadrat des Korrelationskoeffizienten aus.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Compute the correlation between Houston and Las Vegas
r, p_value = ____
# Print R-squared
____