Kom igångKom igång gratis

Kovarians och korrelation

Kovarians är ett mått på om två variabler förändras ("varierar") tillsammans. Det beräknas genom att punkt för punkt multiplicera avvikelserna från föregående övning, dx[n]*dy[n], och sedan ta medelvärdet av alla dessa produkter.

Korrelation är i grunden en normaliserad kovarians. I den här övningen får du två datamängder som är starkt korrelerade, och du ska visualisera och beräkna både covariance och correlation.

Den här övningen är en del av kursen

Introduktion till linjär modellering i Python

Visa kurs

Övningsinstruktioner

  • Beräkna avvikelserna dx och dy genom att subtrahera medelvärdet med np.mean(), och beräkna sedan covariance som medelvärdet av produkten dx*dy.
  • Beräkna de normaliserade avvikelserna zx och zy genom att dividera med standardavvikelsen med np.std(), och beräkna sedan correlation som medelvärdet av produkten zx*zy.
  • Använd plot_normalized_deviations(zx, zy) för att plotta produkten av de normaliserade avvikelserna och jämför visuellt resultatet med korrelationsvärdet.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)
Redigera och kör kod