Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Apprendre Covariance | Covariance contre Corrélation
Apprendre les Statistiques avec Python
course content

Contenu du cours

Apprendre les Statistiques avec Python

Apprendre les Statistiques avec Python

1. Concepts de Base
2. Moyenne, Médiane et Mode avec Python
3. Variance et Écart Type
4. Covariance contre Corrélation
5. Intervalle de Confiance
6. Tests Statistiques

book
Covariance

Covariance est une mesure de la variabilité conjointe de deux variables aléatoires.

Les formules pour la covariance d'échantillon et de population diffèrent, mais elles ne seront pas détaillées ici. Ce chapitre se concentre sur les covariances du jeu de données suivant :

  • 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.

Calcul du coefficient de covariance avec Python

Pour calculer la covariance en Python, utilisez la fonction np.cov() de la bibliothèque NumPy. Elle prend deux paramètres : les séquences de données pour lesquelles vous souhaitez calculer la covariance.

Le résultat se trouve à l'indice [0,1]. Ce cours ne couvrira pas les autres valeurs de la sortie, veuillez vous référer à l'exemple :

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

Cela indique que les valeurs évoluent dans la même direction. Cela est logique, car une surface de magasin plus grande correspond à un nombre d'articles plus élevé. Un inconvénient majeur de la covariance est que la valeur peut être infinie.

Tout était clair ?

Comment pouvons-nous l'améliorer ?

Merci pour vos commentaires !

Section 4. Chapitre 1

Demandez à l'IA

expand
ChatGPT

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

course content

Contenu du cours

Apprendre les Statistiques avec Python

Apprendre les Statistiques avec Python

1. Concepts de Base
2. Moyenne, Médiane et Mode avec Python
3. Variance et Écart Type
4. Covariance contre Corrélation
5. Intervalle de Confiance
6. Tests Statistiques

book
Covariance

Covariance est une mesure de la variabilité conjointe de deux variables aléatoires.

Les formules pour la covariance d'échantillon et de population diffèrent, mais elles ne seront pas détaillées ici. Ce chapitre se concentre sur les covariances du jeu de données suivant :

  • 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.

Calcul du coefficient de covariance avec Python

Pour calculer la covariance en Python, utilisez la fonction np.cov() de la bibliothèque NumPy. Elle prend deux paramètres : les séquences de données pour lesquelles vous souhaitez calculer la covariance.

Le résultat se trouve à l'indice [0,1]. Ce cours ne couvrira pas les autres valeurs de la sortie, veuillez vous référer à l'exemple :

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

Cela indique que les valeurs évoluent dans la même direction. Cela est logique, car une surface de magasin plus grande correspond à un nombre d'articles plus élevé. Un inconvénient majeur de la covariance est que la valeur peut être infinie.

Tout était clair ?

Comment pouvons-nous l'améliorer ?

Merci pour vos commentaires !

Section 4. Chapitre 1
Nous sommes désolés de vous informer que quelque chose s'est mal passé. Qu'est-il arrivé ?
some-alt