Ковариация и корреляция

Ковариация показывает, изменяются ли две переменные совместно. Она вычисляется как среднее произведений отклонений, рассмотренных в предыдущем упражнении: dx[n]*dy[n] для каждой точки.

Корреляция — это, по сути, нормализованная ковариация. В этом упражнении вам предоставлены два массива данных с высокой степенью корреляции. Вы визуализируете и вычислите оба показателя: covariance и correlation.

Это упражнение является частью курса

Введение в линейное моделирование на Python

Посмотреть курс

Инструкции к упражнению

Вычислите отклонения dx и dy, вычтя среднее значение с помощью np.mean(), затем найдите covariance как среднее произведения dx*dy.
Вычислите нормализованные отклонения zx и zy, разделив на стандартное отклонение с помощью np.std(), затем найдите correlation как среднее произведения zx*zy.
Используйте plot_normalized_deviations(zx, zy), чтобы построить график произведения нормализованных отклонений и визуально сравнить его со значением корреляции.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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)

Редактировать и запускать код