Kovaryans ve Korelasyon

Kovaryans, iki değişkenin birlikte değişip değişmediğinin ("varyans gösterip göstermediğinin") bir ölçüsüdür. Önceki egzersizde gördüğün sapmaların nokta nokta çarpımlarını, yani dx[n]*dy[n] hesaplayıp, sonra bu çarpımların ortalamasını alarak bulunur.

Korelasyon ise özünde normalize edilmiş kovaryanstır. Bu egzersizde, birbirleriyle yüksek korelasyona sahip iki veri dizisi veriliyor; sen de hem covariance hem de correlation değerlerini görselleştirip hesaplayacaksın.

Bu egzersiz, kursun bir parçasıdır

Python ile Doğrusal Modellemenin Temelleri

Kursa Göz Atın

Egzersiz talimatları

np.mean() kullanarak ortalamayı çıkarıp dx ve dy sapmalarını hesapla ve dx*dy çarpımının ortalamasını alarak covariance değerini bul.
np.std() kullanarak standart sapmaya bölüp normalize sapmaları zx ve zy olarak hesapla ve zx*zy çarpımının ortalamasını alarak correlation değerini bul.
Normalize sapmaların çarpımını çizdirmek ve korelasyon değeriyle görsel olarak karşılaştırmak için plot_normalized_deviations(zx, zy) kullan.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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)

Kodu Düzenle ve Çalıştır