Kom igångKom igång gratis

EDA av data om läskunnighet och fertilitet

I de kommande övningarna undersöker vi sambandet mellan kvinnlig läskunnighet och fertilitet (definierat som det genomsnittliga antalet barn per kvinna) runt om i världen. För att förenkla analysen och tolkningen arbetar vi med analfabetismen.

Det är alltid en bra idé att göra lite EDA innan analysen. Rita därför upp fertiliteten mot analfabetismen och beräkna Pearsons korrelationskoefficient. NumPy-arrayen illiteracy innehåller analfabetismfrekvensen bland kvinnor för de flesta länder i världen. Arrayen fertility innehåller motsvarande fertilitetsdata.

Här kan det vara bra att gå tillbaka till funktionen du skrev i föregående kurs för att beräkna Pearsons korrelationskoefficient.

Den här övningen är en del av kursen

Statistiskt tänkande i Python (del 2)

Visa kurs

Övningsinstruktioner

  • Rita upp fertility (y-axeln) mot illiteracy (x-axeln) som ett punktdiagram.
  • Ange en marginal på 2 %.
  • Beräkna och skriv ut Pearsons korrelationskoefficient mellan illiteracy och fertility.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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(____, ____))
Redigera och kör kod