Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Impara Covarianza | Covarianza vs Correlazione
Statistica con Python
course content

Contenuti del Corso

Statistica con Python

Statistica con Python

1. Concetti di Base
Campione vs PopolazioneTipi di StatisticaTipi di DatiValore MedioValore MedianoValore Mediano di un Numero Pari di ValoriMedia o MedianaValore della ModaQuiz Sulle Statistiche Descrittive
2. Media, Mediana e Moda con Python
Esaminare il DatasetCalcolo dei Valori della Media e della Mediana con PythonStatistiche con PandasCalcolare la Media e la Mediana degli Stipendi
3. Varianza e Deviazione Standard
Varianza della PopolazioneVarianza CampionariaCalcolare la Varianza con PythonDeviazione StandardDeviazione Standard con PythonCalcolo della Varianza e della Deviazione Standard
4. Covarianza vs Correlazione
CovarianzaCorrelazioneQuiz su Covarianza e CorrelazioneCalcolare Covarianza e Correlazione
5. Intervallo di Confidenza
Esplorare il Set di DatiIntervallo di ConfidenzaCalcolo dell'Intervallo di Confidenza con PythonQuiz Sulla Larghezza dell'Intervallo di ConfidenzaCalcolare l'Intervallo di Confidenza al 95%Calcolo Avanzato dell'Intervallo di Confidenza con PythonAbbina le Funzioni
6. Test Statistici
Che Cos'è il T-TestIpotesiT-Test Dal Punto Di Vista MatematicoTest a una coda e a due codeAssunzioni del T-TestEsecuzione di un t-test in PythonEseguire un Test TT-test per Dati Appaiati

book
Covarianza

Covarianza è una misura della variabilità congiunta di due variabili casuali.

Le formule per la covarianza campionaria e popolazionale sono diverse, ma non verranno approfondite in dettaglio qui. Questo capitolo si concentra sulle covarianze del seguente dataset:

  • 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.

Calcolo della covarianza con Python

Per calcolare la covarianza in Python, utilizzare la funzione np.cov() della libreria NumPy. Accetta due parametri: le sequenze di dati per cui si desidera calcolare la covarianza.

Il risultato si trova all'indice [0,1]. Questo corso non tratterà gli altri valori dell'output, fare riferimento all'esempio:


              
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

Questo indica che i valori si muovono nella stessa direzione. Questo è logico perché una superficie del negozio più ampia corrisponde a un numero maggiore di articoli. Un limite significativo della covarianza è che il valore può essere infinito.

Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 4. Capitolo 1

Chieda ad AI

expand

Chieda ad AI

ChatGPT

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

course content

Contenuti del Corso

Statistica con Python

Statistica con Python

1. Concetti di Base
Campione vs PopolazioneTipi di StatisticaTipi di DatiValore MedioValore MedianoValore Mediano di un Numero Pari di ValoriMedia o MedianaValore della ModaQuiz Sulle Statistiche Descrittive
2. Media, Mediana e Moda con Python
Esaminare il DatasetCalcolo dei Valori della Media e della Mediana con PythonStatistiche con PandasCalcolare la Media e la Mediana degli Stipendi
3. Varianza e Deviazione Standard
Varianza della PopolazioneVarianza CampionariaCalcolare la Varianza con PythonDeviazione StandardDeviazione Standard con PythonCalcolo della Varianza e della Deviazione Standard
4. Covarianza vs Correlazione
CovarianzaCorrelazioneQuiz su Covarianza e CorrelazioneCalcolare Covarianza e Correlazione
5. Intervallo di Confidenza
Esplorare il Set di DatiIntervallo di ConfidenzaCalcolo dell'Intervallo di Confidenza con PythonQuiz Sulla Larghezza dell'Intervallo di ConfidenzaCalcolare l'Intervallo di Confidenza al 95%Calcolo Avanzato dell'Intervallo di Confidenza con PythonAbbina le Funzioni
6. Test Statistici
Che Cos'è il T-TestIpotesiT-Test Dal Punto Di Vista MatematicoTest a una coda e a due codeAssunzioni del T-TestEsecuzione di un t-test in PythonEseguire un Test TT-test per Dati Appaiati

book
Covarianza

Covarianza è una misura della variabilità congiunta di due variabili casuali.

Le formule per la covarianza campionaria e popolazionale sono diverse, ma non verranno approfondite in dettaglio qui. Questo capitolo si concentra sulle covarianze del seguente dataset:

  • 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.

Calcolo della covarianza con Python

Per calcolare la covarianza in Python, utilizzare la funzione np.cov() della libreria NumPy. Accetta due parametri: le sequenze di dati per cui si desidera calcolare la covarianza.

Il risultato si trova all'indice [0,1]. Questo corso non tratterà gli altri valori dell'output, fare riferimento all'esempio:


              
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

Questo indica che i valori si muovono nella stessa direzione. Questo è logico perché una superficie del negozio più ampia corrisponde a un numero maggiore di articoli. Un limite significativo della covarianza è che il valore può essere infinito.

Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 4. Capitolo 1
some-alt