Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Lære Korrelation | 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
Korrelation

Korrelation er et statistisk mål, der kvantificerer graden af sammenhæng eller relation mellem to variable. Med andre ord hjælper det os med at forstå, hvordan to variable har tendens til at bevæge sig i forhold til hinanden.

Korrelation giver en enkel måde at undersøge resultatet på. Korrelationens værdi ligger inden for intervallet [-1, 1]. Se tabellen nedenfor:

Korrelation med Python

For at beregne korrelation anvendes funktionen np.corrcoef() fra numpy, som kræver to parametre: dataserierne, hvor korrelationen skal beregnes. Her er et eksempel:


              
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 correlation 
corr = np.corrcoef(df['Store_Area'], df['Items_Available'])[0,1]

print(corr)
copy

Her udtrak vi værdien ved indeks [0, 1], ligesom i tilfældet med kovarians. I det forrige kapitel opnåede vi værdien 74955.85, og det kan være udfordrende at fortolke resultatet af kovariationsfunktionen. I dette tilfælde kan vi dog konkludere, at værdierne er stærkt relaterede.

Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 4. Kapitel 2

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
Korrelation

Korrelation er et statistisk mål, der kvantificerer graden af sammenhæng eller relation mellem to variable. Med andre ord hjælper det os med at forstå, hvordan to variable har tendens til at bevæge sig i forhold til hinanden.

Korrelation giver en enkel måde at undersøge resultatet på. Korrelationens værdi ligger inden for intervallet [-1, 1]. Se tabellen nedenfor:

Korrelation med Python

For at beregne korrelation anvendes funktionen np.corrcoef() fra numpy, som kræver to parametre: dataserierne, hvor korrelationen skal beregnes. Her er et eksempel:


              
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 correlation 
corr = np.corrcoef(df['Store_Area'], df['Items_Available'])[0,1]

print(corr)
copy

Her udtrak vi værdien ved indeks [0, 1], ligesom i tilfældet med kovarians. I det forrige kapitel opnåede vi værdien 74955.85, og det kan være udfordrende at fortolke resultatet af kovariationsfunktionen. I dette tilfælde kan vi dog konkludere, at værdierne er stærkt relaterede.

Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 4. Kapitel 2
some-alt