ความไวต่อค่าผิดปกติ
เมื่อวิเคราะห์ความสัมพันธ์ระหว่างตัวแปรมากกว่าหนึ่งตัว ค่าสหสัมพันธ์ (correlation) ถือเป็นจุดเริ่มต้นที่ดี แต่ค่าสหสัมพันธ์จะรับมือกับชุดข้อมูลที่ซับซ้อนขึ้นได้ดีแค่ไหน? โดยเฉพาะเมื่อมีค่าผิดปกติ (outlier) อยู่ในข้อมูล?
ในแบบฝึกหัดนี้ จะได้พล็อตกราฟและคำนวณค่าสหสัมพันธ์ของชุดข้อมูลที่มีค่าผิดปกติ จากนั้นลบค่าผิดปกตินั้นออกแล้วดูว่าผลลัพธ์เปลี่ยนแปลงอย่างไร เป้าหมายคือทำความเข้าใจว่าค่าสหสัมพันธ์ทำงานได้ดีเพียงใด และสรุปว่า ควรใช้ค่าสหสัมพันธ์ในสถานการณ์ใดและเมื่อใด
ชุดข้อมูลตัวอย่างจาก Anscombe's quartet อันโด่งดังถูกนำเข้ามาให้แล้วในตัวแปร df พร้อมกับแพ็กเกจทั้งหมดที่ใช้ในบทนี้
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
ฝึกทำข้อสอบสัมภาษณ์สถิติด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Display the scatter plot of X and Y
plt.scatter(____, ____)
plt.show()