Що таке 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]
.
123456789101112131415161718192021222324252627import 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
Дякуємо за ваш відгук!
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
Awesome!
Completion rate improved to 3.85
Що таке кореляція?
Свайпніть щоб показати меню
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]
.
123456789101112131415161718192021222324252627import 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
Дякуємо за ваш відгук!