Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprende Correlación | Covarianza vs Correlación
Aprendiendo Estadística con Python
course content

Contenido del Curso

Aprendiendo Estadística con Python

Aprendiendo Estadística con Python

1. Conceptos Básicos
2. Media, Mediana y Moda con Python
3. Varianza y Desviación Estándar
4. Covarianza vs Correlación
5. Intervalo de Confianza
6. Pruebas Estadísticas

book
Correlación

Correlación es una medida estadística que cuantifica el grado de asociación o relación entre dos variables. En otras palabras, ayuda a comprender cómo tienden a moverse dos variables en relación entre sí.

La correlación proporciona una forma sencilla de examinar el resultado. El valor de la correlación se encuentra dentro del rango de [-1, 1]. Consulte la tabla a continuación:

Correlación con Python

Para calcular la correlación, utilice la función np.corrcoef() de numpy, que requiere dos parámetros: las secuencias de datos para las cuales se va a calcular la correlación. A continuación se muestra un ejemplo:

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

Aquí, extrajimos el valor en el índice [0, 1], al igual que en el caso de la covarianza. En el capítulo anterior, obtuvimos el valor 74955.85, y la interpretación del resultado de la función de covariación puede ser compleja. Sin embargo, en este caso, podemos concluir que los valores están fuertemente relacionados.

¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 4. Capítulo 2

Pregunte a AI

expand
ChatGPT

Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla

course content

Contenido del Curso

Aprendiendo Estadística con Python

Aprendiendo Estadística con Python

1. Conceptos Básicos
2. Media, Mediana y Moda con Python
3. Varianza y Desviación Estándar
4. Covarianza vs Correlación
5. Intervalo de Confianza
6. Pruebas Estadísticas

book
Correlación

Correlación es una medida estadística que cuantifica el grado de asociación o relación entre dos variables. En otras palabras, ayuda a comprender cómo tienden a moverse dos variables en relación entre sí.

La correlación proporciona una forma sencilla de examinar el resultado. El valor de la correlación se encuentra dentro del rango de [-1, 1]. Consulte la tabla a continuación:

Correlación con Python

Para calcular la correlación, utilice la función np.corrcoef() de numpy, que requiere dos parámetros: las secuencias de datos para las cuales se va a calcular la correlación. A continuación se muestra un ejemplo:

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

Aquí, extrajimos el valor en el índice [0, 1], al igual que en el caso de la covarianza. En el capítulo anterior, obtuvimos el valor 74955.85, y la interpretación del resultado de la función de covariación puede ser compleja. Sin embargo, en este caso, podemos concluir que los valores están fuertemente relacionados.

¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 4. Capítulo 2
Lamentamos que algo salió mal. ¿Qué pasó?
some-alt