शुरू करेंमुफ़्त में शुरू करें

Covariance बनाम Correlation

Covariance यह मापता है कि क्या दो वैरिएबल साथ‑साथ बदलते ("vary" करते) हैं. इसे पिछले अभ्यास में निकाले गए deviations के बिंदु‑दर‑बिंदु गुणन dx[n]*dy[n] से, और फिर उन सभी गुणनों का औसत लेकर निकाला जाता है.

Correlation मूलतः normalized covariance है. इस अभ्यास में आपको डेटा की दो arrays दी गई हैं, जो आपस में काफ़ी correlated हैं, और आप दोनों covariance और correlation को visualize भी करेंगे और compute भी करेंगे.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Linear Modeling परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

  • np.mean() का उपयोग करके mean घटाते हुए deviations dx और dy निकालें, और उनके गुणन dx*dy का mean लेकर covariance compute करें.
  • np.std() का उपयोग करके standard deviation से भाग देकर normalized deviations zx और zy निकालें, और उनके गुणन zx*zy का mean लेकर correlation compute करें.
  • Normalized deviations के गुणन को plot करने और correlation मान से दृश्य रूप से मिलान करने के लिए plot_normalized_deviations(zx, zy) का उपयोग करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Compute the covariance from the deviations.
dx = x - np.____(x)
dy = y - np.____(y)
covariance = np.____(____ * ____)
print("Covariance: ", covariance)

# Compute the correlation from the normalized deviations.
zx = dx / np.____(x)
zy = dy / np.____(y)
correlation = np.____(____ * ____)
print("Correlation: ", correlation)

# Plot the normalized deviations for visual inspection. 
fig = plot_normalized_deviations(zx, zy)
कोड संपादित करें और चलाएँ