Intensidad de la correlación

De forma intuitiva, podemos mirar los gráficos y "ver" si las dos variables parecen "variar juntas".

Conjunto de datos A: x e y cambian a la vez y parecen tener una relación fuerte.
Conjunto de datos B: hay una tendencia ascendente tenue; x e y parecen estar solo débilmente relacionadas.
Conjunto de datos C: parece una dispersión aleatoria; x e y no parecen cambiar juntas y no están relacionadas.

Data Set A

Data Set B

Data Set C

Recuerda que las desviaciones se calculan respecto a la media, y las normalizamos dividiéndolas por la desviación estándar. En este ejercicio compararás los 3 conjuntos de datos calculando la correlación y determinando cuál tiene las variables x e y más fuertemente correlacionadas. Usa la tabla de datos data_sets, un diccionario de registros, cada uno con las claves 'name', 'x', 'y' y 'correlation'.

Este ejercicio forma parte del curso

Introducción al modelado lineal en Python

Ver curso

Instrucciones del ejercicio

Completa la definición de la función correlation() usando la media de los productos de las desviaciones normalizadas de x y y.
Itera sobre data_sets, calculando y almacenando cada correlación con correlation(record['x'], record['y']).
Ejecuta el código hasta este punto (es decir, hasta el final del bucle for) y revisa lo que se imprime. ¿Qué conjunto de datos tiene la correlación más fuerte?
Asigna el nombre del conjunto de datos (data_sets['A'], data_sets['B'] o data_sets['C']) con la correlación más fuerte a la variable best_data.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Complete the function that will compute correlation.
def correlation(x,y):
    x_dev = x - np.____(x)
    y_dev = y - np.____(y)
    x_norm = x_dev / np.____(x)
    y_norm = y_dev / np.____(y)
    return np.____(x_norm * y_norm)

# Compute and store the correlation for each data set in the list.
for name, data in data_sets.items():
    data['correlation'] = ____(data['x'], data['y'])
    print('data set {} has correlation {:.2f}'.format(name, data['correlation']))

# Assign the data set with the best correlation.
best_data = data_sets['____']

Editar y ejecutar código