Вивчайте Що таке кореляція? | Коваріація та Кореляція

Кореляція — це статистична міра, яка кількісно визначає взаємозв'язок між двома змінними. Вона визначається як масштабована коваріація, і завдяки цьому масштабу можна визначити не лише напрямок, а й силу залежності.
Кореляція змінюється в межах від -1 до 1, де:

Якщо кореляція дорівнює +1, то значення мають ідеальний прямий лінійний зв'язок. При зростанні однієї змінної інша також зростає пропорційно;
Якщо кореляція дорівнює -1, то значення мають ідеальний обернений лінійний зв'язок. При зростанні однієї змінної інша зменшується пропорційно;
Якщо коефіцієнт кореляції близький до 0, то між змінними немає лінійного зв'язку.

Для обчислення кореляції можна виконати ті ж кроки, що й для обчислення коваріації, та використати np.corrcoef(x, y)[0, 1].


              123456789101112131415161718192021222324252627
            
import matplotlib.pyplot as plt
import numpy as np

# Create a figure with three subplots
fig, axes = plt.subplots(1, 3)
fig.set_size_inches(10, 5)

# Positive linear dependence
x = np.random.rand(100) * 10  # Generate random x values
y = x + np.random.randn(100)  # Generate y values with added noise
axes[0].scatter(x, y)  # Scatter plot of x and y
axes[0].set_title('Correlation is '+ str(round(np.corrcoef(x, y)[0, 1], 3) ))  # Set title with correlation coefficient

# Negative linear dependence
x = np.random.rand(100) * 10  # Generate random x values
y = -x + np.random.randn(100)  # Generate y values with added noise
axes[1].scatter(x, y)  # Scatter plot of x and y
axes[1].set_title('Correlation is '+ str(round(np.corrcoef(x, y)[0, 1], 3) ))  # Set title with correlation coefficient

# Independent
np.random.seed(0)  # Set random seed for reproducibility
x = np.random.rand(200)  # Generate random x values
y = np.random.rand(200)  # Generate random y values
axes[2].scatter(x, y)  # Scatter plot of x and y
axes[2].set_title('Correlation is '+ str(round(np.corrcoef(x, y)[0, 1], 3) ))  # Set title with correlation coefficient

plt.show()  # Display the plot

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 5. Розділ 2

Запитати АІ

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

Suggested prompts:

Запитайте мені питання про цей предмет

Сумаризуйте цей розділ

Покажіть реальні приклади

Awesome!

Completion rate improved to 3.85

Свайпніть щоб показати меню

Якщо кореляція дорівнює +1, то значення мають ідеальний прямий лінійний зв'язок. При зростанні однієї змінної інша також зростає пропорційно;
Якщо кореляція дорівнює -1, то значення мають ідеальний обернений лінійний зв'язок. При зростанні однієї змінної інша зменшується пропорційно;
Якщо коефіцієнт кореляції близький до 0, то між змінними немає лінійного зв'язку.


              123456789101112131415161718192021222324252627
            
import matplotlib.pyplot as plt
import numpy as np

# Create a figure with three subplots
fig, axes = plt.subplots(1, 3)
fig.set_size_inches(10, 5)

# Positive linear dependence
x = np.random.rand(100) * 10  # Generate random x values
y = x + np.random.randn(100)  # Generate y values with added noise
axes[0].scatter(x, y)  # Scatter plot of x and y
axes[0].set_title('Correlation is '+ str(round(np.corrcoef(x, y)[0, 1], 3) ))  # Set title with correlation coefficient

# Negative linear dependence
x = np.random.rand(100) * 10  # Generate random x values
y = -x + np.random.randn(100)  # Generate y values with added noise
axes[1].scatter(x, y)  # Scatter plot of x and y
axes[1].set_title('Correlation is '+ str(round(np.corrcoef(x, y)[0, 1], 3) ))  # Set title with correlation coefficient

# Independent
np.random.seed(0)  # Set random seed for reproducibility
x = np.random.rand(200)  # Generate random x values
y = np.random.rand(200)  # Generate random y values
axes[2].scatter(x, y)  # Scatter plot of x and y
axes[2].set_title('Correlation is '+ str(round(np.corrcoef(x, y)[0, 1], 3) ))  # Set title with correlation coefficient

plt.show()  # Display the plot

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 5. Розділ 2