Korelacja

Wprowadzenie do statystyki w Pythonie

Maggie Matsui

Content Developer, DataCamp

Zależności między dwiema zmiennymi

Wykres punktowy nawyków snu ssaków przedstawiający całkowity sen na dobę w stosunku do snu REM na dobę

Wykres punktowy z punktami bardzo blisko niewidocznej linii

Wykres punktowy z punktami bardzo blisko niewidocznej linii

Wykres punktowy z punktami dalej od niewidocznej linii

Wykres punktowy z punktami jeszcze dalej od niewidocznej linii

Wykres punktowy z punktami jeszcze dalej od niewidocznej linii

Wykres punktowy z punktami wyglądającymi prawie całkowicie losowo

Wykres punktowy z punktami wyglądającymi całkowicie losowo

0.75: gdy x rośnie, y rośnie

Wykres punktowy, gdzie y rośnie wraz ze wzrostem x

-0.75: gdy x rośnie, y maleje

Wykres punktowy, gdzie y maleje wraz ze wzrostem x

import seaborn as sns

sns.scatterplot(x="sleep_total", y="sleep_rem", data=msleep)

plt.show()

Wykres punktowy sleep_rem w stosunku do sleep_total

import seaborn as sns
sns.lmplot(x="sleep_total", y="sleep_rem", data=msleep, ci=None)

plt.show()

Wykres punktowy sleep_rem w stosunku do sleep_total z liniową linią trendu

msleep['sleep_total'].corr(msleep['sleep_rem'])

0.751755

msleep['sleep_rem'].corr(msleep['sleep_total'])

0.751755

Używana w tym kursie: korelacja momentu iloczynu Pearsona ($r$)
- Najczęściej stosowana
- $\bar{x} =$ średnia $x$
- $\sigma_x =$ odchylenie standardowe $x$

$$ r = \frac{1}{n - 1} \sum_{i=1}^{n} \frac{(x_i - \bar{x})(y_i - \bar{y})}{\sigma_x \cdot \sigma_y}$$

Wprowadzenie do statystyki w Pythonie