Пояснена дисперсія
Ви побачили, що ціни оренди між Гʼюстоном і Лас-Вегасом корелюють. Але наскільки зміна ціни в одному місті може пояснити зміну ціни в іншому? Обчисливши R-squared, ви зможете точно це кількісно оцінити.
Масиви NumPy з цінами оренди завантажено для Лас-Вегаса (lasvegas_rents) і Гʼюстона (houston_rents), а також dates, пов'язані з кожним вимірюванням. Пакети pandas як pd, NumPy як np, Matplotlib як plt і пакет stats із SciPy уже завантажені для вас.
Ця вправа є частиною курсу
Основи інференції в Python
Інструкції до вправи
- Обчисліть коефіцієнт кореляції Пірсона між
houston_rentsіlasvegas_rents. - Виведіть квадрат цього коефіцієнта кореляції.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Compute the correlation between Houston and Las Vegas
r, p_value = ____
# Print R-squared
____