НачатьНачать бесплатно

Разведочный анализ данных о грамотности и рождаемости

В нескольких следующих упражнениях мы изучим взаимосвязь между уровнем женской грамотности и рождаемостью (определяемой как среднее число детей на одну женщину) в разных странах мира. Для удобства анализа и интерпретации мы будем работать с показателем неграмотности.

Перед началом анализа всегда полезно провести разведочный анализ данных. С этой целью постройте график рождаемости в зависимости от уровня неграмотности и вычислите коэффициент корреляции Пирсона. Массив NumPy illiteracy содержит уровень неграмотности среди женщин для большинства стран мира. Массив fertility содержит соответствующие данные о рождаемости.

При необходимости обратитесь к функции, которую вы написали в предыдущем курсе, для вычисления коэффициента корреляции Пирсона.

Это упражнение является частью курса

Статистическое мышление на Python (часть 2)

Посмотреть курс

Инструкции к упражнению

  • Постройте точечный график зависимости fertility (ось y) от illiteracy (ось x).
  • Установите отступ 2%.
  • Вычислите и выведите коэффициент корреляции Пирсона между illiteracy и fertility.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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(____, ____))
Редактировать и запускать код