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

Korrelation är ett statistiskt mått som kvantifierar graden av samband eller relation mellan två variabler. Med andra ord hjälper det oss att förstå hur två variabler tenderar att röra sig i förhållande till varandra.

Korrelation ger ett enkelt sätt att undersöka resultatet. Korrelationens värde ligger inom intervallet [-1, 1]. Se tabellen nedan:

Korrelation med Python

För att beräkna korrelation används funktionen np.corrcoef() från numpy, som kräver två parametrar: dataserierna för vilka korrelationen ska beräknas. Här är ett exempel:


              
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

Här hämtade vi värdet vid index [0, 1], precis som i fallet med kovarians. I föregående kapitel fick vi värdet 74955.85, och att tolka resultatet från kovariansfunktionen kan vara utmanande. I det här fallet kan vi dock dra slutsatsen att värdena är starkt relaterade.

Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 4. Kapitel 2

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
Korrelation

Korrelation är ett statistiskt mått som kvantifierar graden av samband eller relation mellan två variabler. Med andra ord hjälper det oss att förstå hur två variabler tenderar att röra sig i förhållande till varandra.

Korrelation ger ett enkelt sätt att undersöka resultatet. Korrelationens värde ligger inom intervallet [-1, 1]. Se tabellen nedan:

Korrelation med Python

För att beräkna korrelation används funktionen np.corrcoef() från numpy, som kräver två parametrar: dataserierna för vilka korrelationen ska beräknas. Här är ett exempel:


              
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

Här hämtade vi värdet vid index [0, 1], precis som i fallet med kovarians. I föregående kapitel fick vi värdet 74955.85, och att tolka resultatet från kovariansfunktionen kan vara utmanande. I det här fallet kan vi dock dra slutsatsen att värdena är starkt relaterade.

Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 4. Kapitel 2
some-alt