Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Impara Correlazione | Covarianza vs Correlazione
Statistica con Python
course content

Contenuti del Corso

Statistica con Python

Statistica con Python

1. Concetti di Base
2. Media, Mediana e Moda con Python
3. Varianza e Deviazione Standard
4. Covarianza vs Correlazione
5. Intervallo di Confidenza
6. Test Statistici

book
Correlazione

Correlazione è una misura statistica che quantifica il grado di associazione o relazione tra due variabili. In altre parole, aiuta a comprendere come due variabili tendano a muoversi in relazione l'una all'altra.

La correlazione fornisce un modo diretto per esaminare il risultato. Il valore della correlazione rientra nell'intervallo [-1, 1]. Consulta la tabella sottostante:

Correlazione con Python

Per calcolare la correlazione, utilizzare la funzione np.corrcoef() di numpy, che richiede due parametri: le sequenze di dati per cui si desidera calcolare la correlazione. Ecco un esempio:

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

Qui abbiamo estratto il valore all'indice [0, 1], proprio come nel caso della covarianza. Nel capitolo precedente, abbiamo ottenuto il valore 74955.85, e interpretare il risultato della funzione di covarianza può essere complesso. Tuttavia, in questo caso, possiamo concludere che i valori sono fortemente correlati.

Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 4. Capitolo 2

Chieda ad AI

expand
ChatGPT

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

course content

Contenuti del Corso

Statistica con Python

Statistica con Python

1. Concetti di Base
2. Media, Mediana e Moda con Python
3. Varianza e Deviazione Standard
4. Covarianza vs Correlazione
5. Intervallo di Confidenza
6. Test Statistici

book
Correlazione

Correlazione è una misura statistica che quantifica il grado di associazione o relazione tra due variabili. In altre parole, aiuta a comprendere come due variabili tendano a muoversi in relazione l'una all'altra.

La correlazione fornisce un modo diretto per esaminare il risultato. Il valore della correlazione rientra nell'intervallo [-1, 1]. Consulta la tabella sottostante:

Correlazione con Python

Per calcolare la correlazione, utilizzare la funzione np.corrcoef() di numpy, che richiede due parametri: le sequenze di dati per cui si desidera calcolare la correlazione. Ecco un esempio:

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

Qui abbiamo estratto il valore all'indice [0, 1], proprio come nel caso della covarianza. Nel capitolo precedente, abbiamo ottenuto il valore 74955.85, e interpretare il risultato della funzione di covarianza può essere complesso. Tuttavia, in questo caso, possiamo concludere che i valori sono fortemente correlati.

Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 4. Capitolo 2
Siamo spiacenti che qualcosa sia andato storto. Cosa è successo?
some-alt