Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Lære Kovarians | Kovarians vs Korrelation
Lær Statistik med Python
course content

Kursusindhold

Lær Statistik med Python

Lær Statistik med Python

1. Grundlæggende Begreber
Stikprøve vs PopulationTyper af StatistikDatatyperMiddelværdiMedianværdiMedianværdi af et Lige Antal VærdierGennemsnit eller MedianTypetalQuiz om Beskrivende Statistik
2. Gennemsnit, Median og Typetal med Python
Undersøg DatasættetBeregning af Gennemsnits- og Medianværdier med PythonStatistik med PandasBeregn Gennemsnits- og Medianløn
3. Varians og Standardafvigelse
PopulationsvariansStickprøvevariansBeregn Varians med PythonStandardafvigelseStandardafvigelse med PythonBeregning af Varians og Standardafvigelse
4. Kovarians vs Korrelation
KovariansKorrelationQuiz om Kovarians og KorrelationBeregn Kovarians og Korrelation
5. Konfidensinterval
Undersøg DatasættetKonfidensintervalBeregning af Konfidensinterval med PythonQuiz om KonfidensintervalbreddeBeregn 95% KonfidensintervalAvanceret Beregning af Konfidensintervaller med PythonMatch Funktionerne
6. Statistisk Testning
Hvad Er T-TestHypoteserT-test MatematiskÉn-sidet og To-sidet TestForudsætninger for T-testUdførelse af en t-test i PythonGennemfør en t-testParret T-test

book
Kovarians

Kovarians er et mål for den fælles variabilitet mellem to stokastiske variable.

Formlerne for stickprøve og population kovarians adskiller sig, men de vil ikke blive gennemgået i detaljer her. Dette kapitel fokuserer på kovariansen for følgende datasæt:

  • Store_ID: the unique id of the store;

  • Store_Area: the area of the store;

  • Items_Available: the number of items that are available in the store;

  • Daily_Customer_Count: the daily number of customers in the store;

  • Store_Sales: the number of sales in the store.

Beregning af kovarians med Python

For at beregne kovarians i Python, brug funktionen np.cov() fra NumPy-biblioteket. Den tager to parametre: dataserierne, som du ønsker at beregne kovariansen for.

Resultatet findes ved indeks [0,1]. Dette kursus dækker ikke de øvrige værdier i outputtet, se eksemplet:


              
123456789

            
import pandas as pd 
import numpy as np

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/update/Stores.csv')

# Calculating covariance 
cov = np.cov(df['Store_Area'], df['Items_Available'])[0,1]

print(round(cov, 2))
copy

Dette indikerer, at værdierne bevæger sig i samme retning. Det giver mening, da et større butiksareal svarer til et større antal varer. En væsentlig ulempe ved kovarians er, at værdien kan være uendelig.

Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 4. Kapitel 1

Spørg AI

expand

Spørg AI

ChatGPT

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

course content

Kursusindhold

Lær Statistik med Python

Lær Statistik med Python

1. Grundlæggende Begreber
Stikprøve vs PopulationTyper af StatistikDatatyperMiddelværdiMedianværdiMedianværdi af et Lige Antal VærdierGennemsnit eller MedianTypetalQuiz om Beskrivende Statistik
2. Gennemsnit, Median og Typetal med Python
Undersøg DatasættetBeregning af Gennemsnits- og Medianværdier med PythonStatistik med PandasBeregn Gennemsnits- og Medianløn
3. Varians og Standardafvigelse
PopulationsvariansStickprøvevariansBeregn Varians med PythonStandardafvigelseStandardafvigelse med PythonBeregning af Varians og Standardafvigelse
4. Kovarians vs Korrelation
KovariansKorrelationQuiz om Kovarians og KorrelationBeregn Kovarians og Korrelation
5. Konfidensinterval
Undersøg DatasættetKonfidensintervalBeregning af Konfidensinterval med PythonQuiz om KonfidensintervalbreddeBeregn 95% KonfidensintervalAvanceret Beregning af Konfidensintervaller med PythonMatch Funktionerne
6. Statistisk Testning
Hvad Er T-TestHypoteserT-test MatematiskÉn-sidet og To-sidet TestForudsætninger for T-testUdførelse af en t-test i PythonGennemfør en t-testParret T-test

book
Kovarians

Kovarians er et mål for den fælles variabilitet mellem to stokastiske variable.

Formlerne for stickprøve og population kovarians adskiller sig, men de vil ikke blive gennemgået i detaljer her. Dette kapitel fokuserer på kovariansen for følgende datasæt:

  • Store_ID: the unique id of the store;

  • Store_Area: the area of the store;

  • Items_Available: the number of items that are available in the store;

  • Daily_Customer_Count: the daily number of customers in the store;

  • Store_Sales: the number of sales in the store.

Beregning af kovarians med Python

For at beregne kovarians i Python, brug funktionen np.cov() fra NumPy-biblioteket. Den tager to parametre: dataserierne, som du ønsker at beregne kovariansen for.

Resultatet findes ved indeks [0,1]. Dette kursus dækker ikke de øvrige værdier i outputtet, se eksemplet:


              
123456789

            
import pandas as pd 
import numpy as np

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/update/Stores.csv')

# Calculating covariance 
cov = np.cov(df['Store_Area'], df['Items_Available'])[0,1]

print(round(cov, 2))
copy

Dette indikerer, at værdierne bevæger sig i samme retning. Det giver mening, da et større butiksareal svarer til et større antal varer. En væsentlig ulempe ved kovarians er, at værdien kan være uendelig.

Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 4. Kapitel 1
some-alt