Вычисление коэффициента корреляции Пирсона

Как было отмечено в видео, коэффициент корреляции Пирсона, или r Пирсона, зачастую проще интерпретировать, чем ковариацию. Он вычисляется с помощью функции np.corrcoef(). Как и np.cov(), она принимает два массива в качестве аргументов и возвращает двумерный массив. Элементы [0,0] и [1,1] всегда равны 1 (подумайте, почему), а нужное нам значение находится в элементе [0,1].

В этом упражнении вы напишете функцию pearson_r(x, y), которая принимает два массива и возвращает коэффициент корреляции Пирсона. Затем вы воспользуетесь этой функцией, чтобы вычислить его для длины и ширины лепестков I. versicolor.

Для справки мы снова приводим точечный график, который вы построили в предыдущем упражнении: он наглядно показывает взаимосвязь между шириной и длиной лепестков.

Это упражнение является частью курса

Статистическое мышление на Python (часть 1)

Посмотреть курс

Инструкции к упражнению

Определите функцию с сигнатурой pearson_r(x, y).
- Используйте np.corrcoef(), чтобы вычислить матрицу корреляции для x и y (передайте их в np.corrcoef() именно в таком порядке).
- Функция должна возвращать элемент [0,1] матрицы корреляции.
Вычислите коэффициент корреляции Пирсона между данными в массивах versicolor_petal_length и versicolor_petal_width. Присвойте результат переменной r.
Выведите результат на экран.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

def ____(____, ____):
    """Compute Pearson correlation coefficient between two arrays."""
    # Compute correlation matrix: corr_mat


    # Return entry [0,1]
    return corr_mat[0,1]

# Compute Pearson correlation coefficient for I. versicolor: r


# Print the result

Редактировать и запускать код