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

Kursinnehåll

Lära Sig Statistik med Python

Lära Sig Statistik med Python

1. Grundläggande Begrepp
Stickprov kontra PopulationTyper av StatistikDatatyperMedelvärdeMedianvärdeMedianvärde för ett jämnt antal värdenMedelvärde eller MedianTypvärdeQuiz om Beskrivande Statistik
2. Medelvärde, Median och Typvärde med Python
Undersök DatasetetBeräkning av Medelvärde och Medianvärde med PythonStatistik med PandasBeräkna Medel- och Medianlön
3. Varians och Standardavvikelse
PopulationsvariansStickprovsvariansBeräkna Varians med PythonStandardavvikelseStandardavvikelse med PythonBeräkning av varians och standardavvikelse
4. Kovarians vs Korrelation
KovariansKorrelationQuiz om Kovarians och KorrelationBeräkna Kovarians och Korrelation
5. Konfidensintervall
Utforska DatamängdenKonfidensintervallBeräkning av Konfidensintervall med PythonQuiz om Konfidensintervallens BreddBeräkna 95 % KonfidensintervallAvancerad Konfidensintervallberäkning med PythonMatcha Funktionerna
6. Statistisk Testning
Vad är t-testHypoteserT-test MatematisktEnkelriktat och Dubbelriktat TestAntaganden för T-testUtföra ett t-test i PythonUtföra ett t-testParat t-test

book
Kovarians

Kovarians är ett mått på den gemensamma variabiliteten mellan två stokastiska variabler.

Formlerna för stickprovs- och populationskovarians skiljer sig åt, men kommer inte att behandlas i detalj här. Detta kapitel fokuserar på kovariansen för följande 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.

Beräkning av kovarians med Python

För att beräkna kovarians i Python, använd funktionen np.cov() från NumPy-biblioteket. Den tar två parametrar: dataserierna för vilka du vill beräkna kovariansen.

Resultatet finns på index [0,1]. Den här kursen behandlar inte de andra värdena i utmatningen, se exemplet:


              
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

Detta indikerar att värdena rör sig i samma riktning. Det är logiskt eftersom en större butiksyta motsvarar ett större antal varor. En betydande nackdel med kovarians är att värdet kan vara oändligt.

Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 4. Kapitel 1

Fråga AI

expand

Fråga AI

ChatGPT

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

course content

Kursinnehåll

Lära Sig Statistik med Python

Lära Sig Statistik med Python

1. Grundläggande Begrepp
Stickprov kontra PopulationTyper av StatistikDatatyperMedelvärdeMedianvärdeMedianvärde för ett jämnt antal värdenMedelvärde eller MedianTypvärdeQuiz om Beskrivande Statistik
2. Medelvärde, Median och Typvärde med Python
Undersök DatasetetBeräkning av Medelvärde och Medianvärde med PythonStatistik med PandasBeräkna Medel- och Medianlön
3. Varians och Standardavvikelse
PopulationsvariansStickprovsvariansBeräkna Varians med PythonStandardavvikelseStandardavvikelse med PythonBeräkning av varians och standardavvikelse
4. Kovarians vs Korrelation
KovariansKorrelationQuiz om Kovarians och KorrelationBeräkna Kovarians och Korrelation
5. Konfidensintervall
Utforska DatamängdenKonfidensintervallBeräkning av Konfidensintervall med PythonQuiz om Konfidensintervallens BreddBeräkna 95 % KonfidensintervallAvancerad Konfidensintervallberäkning med PythonMatcha Funktionerna
6. Statistisk Testning
Vad är t-testHypoteserT-test MatematisktEnkelriktat och Dubbelriktat TestAntaganden för T-testUtföra ett t-test i PythonUtföra ett t-testParat t-test

book
Kovarians

Kovarians är ett mått på den gemensamma variabiliteten mellan två stokastiska variabler.

Formlerna för stickprovs- och populationskovarians skiljer sig åt, men kommer inte att behandlas i detalj här. Detta kapitel fokuserar på kovariansen för följande 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.

Beräkning av kovarians med Python

För att beräkna kovarians i Python, använd funktionen np.cov() från NumPy-biblioteket. Den tar två parametrar: dataserierna för vilka du vill beräkna kovariansen.

Resultatet finns på index [0,1]. Den här kursen behandlar inte de andra värdena i utmatningen, se exemplet:


              
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

Detta indikerar att värdena rör sig i samma riktning. Det är logiskt eftersom en större butiksyta motsvarar ett större antal varor. En betydande nackdel med kovarians är att värdet kan vara oändligt.

Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 4. Kapitel 1
some-alt