Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Lære Korrelasjon | Kovarians vs. Korrelasjon
Lære Statistikk med Python
course content

Kursinnhold

Lære Statistikk med Python

Lære Statistikk med Python

1. Grunnleggende Konsepter
Utvalg vs PopulasjonTyper av statistikkDatatyperGjennomsnittMedianverdiMedianverdi for Et Partall av VerdierGjennomsnitt eller MedianTypetallQuiz om Beskrivende Statistikk
2. Gjennomsnitt, Median og Modus med Python
Undersøk DatasettetBeregning av Gjennomsnitts- og Medianverdier med PythonStatistikk med PandasBeregne Gjennomsnittlig og Median Lønn
3. Varians og Standardavvik
PopulasjonsvariansUtvalgsvariansBeregn Varians med PythonStandardavvikStandardavvik med PythonBeregning av Varians og Standardavvik
4. Kovarians vs. Korrelasjon
KovariansKorrelasjonQuiz om Kovarians og KorrelasjonBeregne Kovarians og Korrelasjon
5. Konfidensintervall
Utforsk DatasettetKonfidensintervallBeregning av Konfidensintervall med PythonQuiz om KonfidensintervallbreddeBeregn 95 % KonfidensintervallAvansert Beregning av Konfidensintervall med PythonMatche Funksjonene
6. Statistisk Testing
Hva er t-testHypoteserT-test MatematiskEnhalet og Tohalet TestForutsetninger for T-testUtføring av t-test i PythonUtføre en t-testParret T-test

book
Korrelasjon

Korrelasjon er et statistisk mål som kvantifiserer graden av sammenheng eller relasjon mellom to variabler. Med andre ord hjelper det oss å forstå hvordan to variabler har en tendens til å bevege seg i forhold til hverandre.

Korrelasjon gir en enkel måte å undersøke resultatet på. Korrelasjonsverdien ligger innenfor området [-1, 1]. Se tabellen nedenfor:

Korrelasjon med Python

For å beregne korrelasjon, bruk funksjonen np.corrcoef() fra numpy, som krever to parametere: dataseriene det skal beregnes korrelasjon for. Her er et eksempel:


              
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

Her hentet vi ut verdien på indeks [0, 1], akkurat som i tilfellet med kovarians. I forrige kapittel fikk vi verdien 74955.85, og å tolke resultatet fra kovariasjonsfunksjonen kan være utfordrende. I dette tilfellet kan vi derimot konkludere med at verdiene er sterkt relatert.

Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

Seksjon 4. Kapittel 2

Spør AI

expand
ChatGPT

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

course content

Kursinnhold

Lære Statistikk med Python

Lære Statistikk med Python

1. Grunnleggende Konsepter
Utvalg vs PopulasjonTyper av statistikkDatatyperGjennomsnittMedianverdiMedianverdi for Et Partall av VerdierGjennomsnitt eller MedianTypetallQuiz om Beskrivende Statistikk
2. Gjennomsnitt, Median og Modus med Python
Undersøk DatasettetBeregning av Gjennomsnitts- og Medianverdier med PythonStatistikk med PandasBeregne Gjennomsnittlig og Median Lønn
3. Varians og Standardavvik
PopulasjonsvariansUtvalgsvariansBeregn Varians med PythonStandardavvikStandardavvik med PythonBeregning av Varians og Standardavvik
4. Kovarians vs. Korrelasjon
KovariansKorrelasjonQuiz om Kovarians og KorrelasjonBeregne Kovarians og Korrelasjon
5. Konfidensintervall
Utforsk DatasettetKonfidensintervallBeregning av Konfidensintervall med PythonQuiz om KonfidensintervallbreddeBeregn 95 % KonfidensintervallAvansert Beregning av Konfidensintervall med PythonMatche Funksjonene
6. Statistisk Testing
Hva er t-testHypoteserT-test MatematiskEnhalet og Tohalet TestForutsetninger for T-testUtføring av t-test i PythonUtføre en t-testParret T-test

book
Korrelasjon

Korrelasjon er et statistisk mål som kvantifiserer graden av sammenheng eller relasjon mellom to variabler. Med andre ord hjelper det oss å forstå hvordan to variabler har en tendens til å bevege seg i forhold til hverandre.

Korrelasjon gir en enkel måte å undersøke resultatet på. Korrelasjonsverdien ligger innenfor området [-1, 1]. Se tabellen nedenfor:

Korrelasjon med Python

For å beregne korrelasjon, bruk funksjonen np.corrcoef() fra numpy, som krever to parametere: dataseriene det skal beregnes korrelasjon for. Her er et eksempel:


              
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

Her hentet vi ut verdien på indeks [0, 1], akkurat som i tilfellet med kovarians. I forrige kapittel fikk vi verdien 74955.85, og å tolke resultatet fra kovariasjonsfunksjonen kan være utfordrende. I dette tilfellet kan vi derimot konkludere med at verdiene er sterkt relatert.

Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

Seksjon 4. Kapittel 2
Vi beklager at noe gikk galt. Hva skjedde?
some-alt