Summary  
This chapter shows how to compute the Pearson correlation coefficient between two numerical sequences using NumPy’s corrcoef function and printing the resulting correlation value.  

General domain of usage  
Statistical data analysis

**相関**は、2つの変数間の関連性や関係の強さを定量化する統計的指標。つまり、2つの変数がどのように連動して変化するかを把握するための指標。

定義

相関は、結果を簡単に確認する方法を提供。相関値は `[-1, 1]` の範囲に収まる。以下の表を参照:

## Pythonによる相関

相関を計算するには、`np.corrcoef()` の `numpy` 関数を使用。2つのデータ列をパラメータとして指定する必要がある。以下は例:

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)

ここでは、**共分散**の場合と同様に、インデックス `[0, 1]` の値を抽出しています。前の章では `74955.85` という値を得ましたが、共分散関数の結果を解釈するのは難しい場合があります。しかし、この場合は、**値が強く関連している**と結論付けることができます。

Pythonを使用して統計学の基礎をしっかりと築きます。必須の統計概念を学び、NumPyやpandasを通じて実践的に応用します。平均や分散などの基本的な指標から、仮説検定、信頼区間、データ駆動型の洞察まで、ハンズオンで習得します。

データ型、代表値、サンプルと母集団の主な違いなど、統計学の基本原則を学びます。

Pythonを使用して平均値、中央値、最頻値を計算し解釈する方法を学習します。pandasを用いて実際のデータセットでこれらの操作を練習します。

分散と標準偏差がデータのばらつきをどのように測定するかを理解します。手動およびPythonツールを使用して両方を計算する方法を学びます。

共分散と相関が変数間の関係をどのように表すかを探求します。Pythonで両方の指標を計算し比較する練習を行います。

信頼区間を習得し、母集団パラメータを推定します。NumPy、pandas、および可視化ライブラリを使用して、実データで区間を計算し解釈します。

仮説検定とt検定の基礎を学習します。データに基づいた意思決定を支援するために、Pythonを用いて検定を設計・実施・解釈する方法を理解します。