Hiệp phương sai và hệ số tương quan Pearson

Tư duy Thống kê với Python (Phần 1)

Justin Bois

Teaching Professor at the California Institute of Technology

Kết quả bầu cử bang dao động Mỹ năm 2008

ch2-4_v2.003.png

¹ Dữ liệu lấy từ Data.gov (https://www.data.gov/)

Kết quả bầu cử bang dao động Mỹ năm 2008

ch2-4_v2.004.png

¹ Dữ liệu lấy từ Data.gov (https://www.data.gov/)

Kết quả bầu cử bang dao động Mỹ năm 2008

ch2-4_v2.005.png

¹ Dữ liệu lấy từ Data.gov (https://www.data.gov/)

Vẽ biểu đồ phân tán

_ = plt.plot(total_votes/1000, dem_share,
             marker='.', linestyle='none')
_ = plt.xlabel('total votes (thousands)')
_ = plt.ylabel('percent of vote for Obama')

Hiệp phương sai

Thước đo mức hai đại lượng biến thiên cùng nhau

Tính hiệp phương sai

ch2-4_v2.011.png

¹ Dữ liệu lấy từ Data.gov (https://www.data.gov/)

Tính hiệp phương sai

ch2-4_v2.012.png

¹ Dữ liệu lấy từ Data.gov (https://www.data.gov/)

Tính hiệp phương sai

ch2-4_v2.013.png

¹ Dữ liệu lấy từ Data.gov (https://www.data.gov/)

Tính hiệp phương sai

ch2-4_v2.014.png

$$covariance = \frac{1}{n}\sum_{i=1}^{n}(x_i - \bar{x})(y_i - \bar{y})$$

¹ Dữ liệu lấy từ Data.gov (https://www.data.gov/)

Hệ số tương quan Pearson

$$\rho = \text{Pearson correlation} = \frac{\text{covariance}}{(\text{std of x}) (\text{std of y})}$$

$$= \frac{\text{variability due to codependence}}{\text{independant variability}}$$

Ví dụ về hệ số tương quan Pearson

ch2-4_v2.020.png

Ayo berlatih!

Tư duy Thống kê với Python (Phần 1)