ComenzarEmpieza gratis

EDA de alfabetización/fertilidad

En los próximos ejercicios, vamos a analizar la correlación entre la alfabetización femenina y la fertilidad (definida como el número medio de hijos por mujer) en todo el mundo. Para facilitar el análisis y la interpretación, trabajaremos con la tasa de analfabetismo.

Siempre conviene hacer algo de EDA antes del análisis. Con este objetivo, representa la fertilidad frente al analfabetismo y calcula el coeficiente de correlación de Pearson. El array de NumPy illiteracy contiene la tasa de analfabetismo entre mujeres para la mayoría de países del mundo. El array fertility contiene los datos de fertilidad correspondientes.

Aquí puede ser útil consultar de nuevo la función que escribiste en el curso anterior para calcular el coeficiente de correlación de Pearson.

Este ejercicio forma parte del curso

Pensamiento estadístico en Python (Parte 2)

Ver curso

Instrucciones del ejercicio

  • Representa fertility (eje y) frente a illiteracy (eje x) como un diagrama de dispersión.
  • Establece un margen del 2%.
  • Calcula e imprime el coeficiente de correlación de Pearson entre illiteracy y fertility.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Plot the illiteracy rate versus fertility
_ = plt.plot(____, ____, ____='.', ____='none')

# Set the margins and label axes
plt.margins(____)
_ = plt.xlabel('percent illiterate')
_ = plt.ylabel('fertility')

# Show the plot
plt.show()

# Show the Pearson correlation coefficient
print(pearson_r(____, ____))
Editar y ejecutar código