Comment calculer la covariance et le coefficient de corrélation empiriques d'une série double avec numpy ?
np.cov(x, y, ddof=0)[0,1] et np.corrcoef(x, y)[0,1], puis en vérifiant à la mainObtenir la covariance empirique et le coefficient de corrélation linéaire d'une série double.
La covariance empirique vaut et le coefficient de corrélation , avec .
x et y de même longueur, et je vérifie len(x) == len(y).cov = np.cov(x, y, ddof=0)[0, 1] pour obtenir la covariance empirique (le paramètre ddof=0 assure le diviseur et non ).r = np.corrcoef(x, y)[0, 1] pour obtenir le coefficient de corrélation linéaire, automatiquement dans .xm, ym = np.mean(x), np.mean(y), cov_manuel = np.mean((x - xm) * (y - ym)), r_manuel = cov_manuel / (np.std(x) * np.std(y)).Cherche chaque exercice au brouillon, puis coche “j'ai réussi” si tu as trouvé la bonne démarche. Utilise le bouton aide si tu as besoin d'un coup de pouce.
Calculer la covariance et le coefficient de corrélation des séries et .
On observe (heures d'étude) et (note d'erreur). Calculer covariance et corrélation.
On simule et indépendants. Calculer empirique.
On observe et . Calculer covariance et corrélation empiriques puis vérifier .
On simule x = rd.randn(500) et on pose y = 2*x + rd.randn(500). Estimer numériquement et attendus.