Обчислення коефіцієнта кореляції Пірсона

Як зазначено у відео, коефіцієнт кореляції Пірсона (Pearson r) зазвичай легше інтерпретувати, ніж коваріацію. Його обчислюють за допомогою функції np.corrcoef(). Як і np.cov(), вона приймає два масиви як аргументи й повертає двовимірний масив. Елементи [0,0] і [1,1] обов'язково дорівнюють 1 (здогадуєтеся, чому?), а значення, яке нам потрібне, — це елемент [0,1].

У цій вправі ви напишете функцію pearson_r(x, y), яка приймає два масиви й повертає коефіцієнт кореляції Пірсона. Потім ви використаєте цю функцію, щоб обчислити його для довжин і ширин пелюсток I. versicolor.

Знову додаємо діаграму розсіювання, яку ви будували у попередній вправі, щоб нагадати, як пов'язані ширина та довжина пелюсток.

Ця вправа є частиною курсу

Статистичне мислення в Python (Частина 1)

Переглянути курс

Інструкції до вправи

Визначте функцію з сигнатурою pearson_r(x, y).
- Скористайтеся np.corrcoef(), щоб обчислити кореляційну матрицю для x і y (передайте їх у np.corrcoef() саме в такому порядку).
- Функція має повертати елемент [0,1] кореляційної матриці.
Обчисліть кореляцію Пірсона між даними в масивах versicolor_petal_length і versicolor_petal_width. Присвойте результат змінній r.
Виведіть результат.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

def ____(____, ____):
    """Compute Pearson correlation coefficient between two arrays."""
    # Compute correlation matrix: corr_mat


    # Return entry [0,1]
    return corr_mat[0,1]

# Compute Pearson correlation coefficient for I. versicolor: r


# Print the result

Редагувати та запускати код