CommencezCommencez gratuitement

EDA sur les données d'analphabétisme et de fécondité

Dans les prochains exercices, nous allons examiner la corrélation entre la littératie chez les femmes et la fécondité (définie comme le nombre moyen d'enfants par femme) dans le monde. Pour faciliter l'analyse et l'interprétation, nous allons travailler avec le taux d'analphabétisme.

Il est toujours judicieux de commencer par un peu d'exploration des données (EDA). À cette fin, tracez la fécondité en fonction de l'analphabétisme et calculez le coefficient de corrélation de Pearson. Le tableau NumPy illiteracy contient le taux d'analphabétisme chez les femmes pour la plupart des pays du monde. Le tableau fertility contient les données correspondantes de fécondité.

Ici, il peut être utile de revenir à la fonction que vous avez écrite dans le cours précédent pour calculer le coefficient de corrélation de Pearson.

Cette activité fait partie du cours

Réflexion statistique en Python (partie 2)

Voir le cours

Instructions de l’exercice

  • Tracez fertility (axe des y) en fonction de illiteracy (axe des x) sous forme de nuage de points.
  • Définissez une marge de 2 %.
  • Calculez et affichez le coefficient de corrélation de Pearson entre illiteracy et fertility.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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(____, ____))
Modifier et exécuter le code