Que ne peut pas mesurer la corrélation?

Même si le coefficient de corrélation est une façon pratique de quantifier la force d'une relation entre deux variables, il est loin d'être parfait. Dans cet exercice, vous allez explorer l'une des mises en garde liées au coefficient de corrélation en examinant la relation entre le PIB par habitant d'un pays (gdp_per_cap) et son indice de bonheur.

pandas sous le nom pd, matplotlib.pyplot sous le nom plt et seaborn sous le nom sns sont importés, et world_happiness est chargé.

Cette activité fait partie du cours

Introduction à la statistique en Python

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Scatterplot of gdp_per_cap and life_exp
____

# Show plot
____

Modifier et exécuter le code

Cette activité fait partie du cours

Introduction à la statistique en Python

SkillTag.level.intermediateSkillTag.label

4.8+

Commencer le cours gratuitement

Les statistiques descriptives vous donnent les outils pour résumer de vastes jeux de données et en dégager l'essentiel. Dans ce chapitre, vous explorerez des mesures comme la moyenne, la médiane et l'écart-type, et apprendrez à bien les interpréter. Vous développerez aussi votre esprit critique afin de choisir les meilleures statistiques descriptives pour vos données.

Exercise 1: Qu'est-ce que la statistique ?Exercise 2: Statistiques descriptives et inférentielles Exercise 3: Classification des types de données Exercise 4: Mesures de tendance centrale Exercise 5: Calcul de la moyenne et de la médiane Exercise 6: Moyenne, médiane et forme de la distribution Exercise 7: Mesures de dispersion Exercise 8: Variance et écart type Exercise 9: Quartiles, quantiles et quintiles Exercise 10: Détection des valeurs aberrantes avec l'IQR

Dans ce chapitre, vous apprendrez à générer des échantillons aléatoires et à mesurer le hasard à l'aide de la probabilité. Vous travaillerez avec des données réelles de ventes pour calculer la probabilité qu'un ou une représentante réussisse. Enfin, vous utiliserez la distribution binomiale pour modéliser des événements à issues binaires.

Exercise 1: Quelles sont les chances ?Exercise 2: Avec ou sans remise?Exercise 3: Calcul des probabilités Exercise 4: Échantillonner des ententes Exercise 5: Distributions discrètes Exercise 6: Créer une distribution de probabilité Exercise 7: Identifier les distributions Exercise 8: Valeur espérée vs moyenne d'échantillon Exercise 9: Lois continues Exercise 10: Quelle distribution?Exercise 11: Copies de sauvegarde des données Exercise 12: Simuler des temps d'attente Exercise 13: La loi binomiale Exercise 14: Simuler des ventes conclues Exercise 15: Calcul des probabilités binomiales Exercise 16: Combien de ventes seront gagnées ?

Il est temps d'explorer l'une des distributions de probabilité les plus importantes en statistique, la distribution normale. Vous créerez des histogrammes pour tracer des distributions normales et comprendrez le théorème central limite, avant d'élargir votre répertoire de fonctions statistiques avec les distributions de Poisson, exponentielle et t.

Exercise 1: La loi normale Exercise 2: Distribution des ventes d'Amir Exercise 3: Probabilités avec la loi normale Exercise 4: Simuler les ventes dans les nouvelles conditions du marché Exercise 5: Quel marché est le plus favorable?Exercise 6: Le théorème central limite Exercise 7: Visualiser des distributions d'échantillonnage Exercise 8: Le TCL en action Exercise 9: La moyenne des moyennes Exercise 10: La loi de Poisson Exercise 11: Identifier lambda Exercise 12: Suivi des réponses aux pistes de vente Exercise 13: D'autres lois de probabilité Exercise 14: Glisser-déposer les distributions Exercise 15: Modéliser le temps entre les pistes Exercise 16: La loi t de Student

Dans ce chapitre, vous apprendrez à quantifier la force d'une relation linéaire entre deux variables et verrez comment des variables de confusion peuvent influencer la relation entre deux autres variables. Vous verrez aussi comment le plan d'une étude peut influer sur ses résultats, modifier la façon d'analyser les données et potentiellement affecter la fiabilité de vos conclusions.

Exercise 1: Corrélation Exercise 2: Devinez la corrélation Exercise 3: Relations entre variables Exercise 4: Mises en garde sur la corrélation Exercise 5: Que ne peut pas mesurer la corrélation?

Exercice en cours

Exercise 6: Transformer des variables Exercise 7: Le sucre rend-il plus heureux?Exercise 8: Facteurs de confusion Exercise 9: Plan d'expériences Exercise 10: Types d'études Exercise 11: Études longitudinales vs transversales Exercise 12: Félicitations !