Mulai sekarangMulai gratis

Kovarians vs Korelasi

Kovarians mengukur apakah dua variabel berubah ("bervariasi") secara bersama. Kovarians dihitung dengan mengalikan, titik demi titik, deviasi yang Anda lihat pada latihan sebelumnya, dx[n]*dy[n], lalu mencari rata-rata dari semua hasil perkalian tersebut.

Korelasi pada dasarnya adalah kovarians yang dinormalisasi. Dalam latihan ini, Anda diberikan dua array data yang sangat berkorelasi, dan Anda akan memvisualisasikan serta menghitung baik covariance maupun correlation.

Latihan ini merupakan bagian dari kursus

Pengantar Pemodelan Linear di Python

Lihat Kursus

Instruksi latihan

  • Hitung deviasi dx dan dy dengan mengurangkan mean menggunakan np.mean(), lalu hitung covariance sebagai mean dari hasil kali keduanya dx*dy.
  • Hitung deviasi ter-normalisasi zx dan zy dengan membagi dengan simpangan baku menggunakan np.std(), lalu hitung correlation sebagai mean dari hasil kali keduanya zx*zy.
  • Gunakan plot_normalized_deviations(zx, zy) untuk memplot hasil kali deviasi ter-normalisasi dan memeriksanya secara visual terhadap nilai korelasi.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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)
Edit dan Jalankan Kode