통계적 사고 (2판) 연습문제 (thinkstats2.com, think-stat.xwmooc.org)
Allen Downey / 이광춘(xwMOOC)



In [ ]:

    
%matplotlib inline
from __future__ import print_function

import math
import first
import chap07soln
import thinkstats2
import thinkplot
import numpy as np

연습문제 7.1

NSFG 에서 나온 데이터를 사용해서, 출생체중과 산모연령 산점도를 그리시오. 출생체중과 산모연령 백분위수를 도식화하시오. 피어슨 상관과 스피어만 상관을 계산하시오. 두 번수 사이 관계를 어떻게 특징적으로 묘사할 수 있을까?



In [ ]:

    
def ScatterPlot(ages, weights, alpha=1.0):
    """Make a scatter plot and save it.

    ages: sequence of float
    weights: sequence of float
    alpha: float
    """
    thinkplot.Scatter(ages, weights, alpha=alpha)
    thinkplot.Config(xlabel='age (years)',
                     ylabel='weight (lbs)',
                     xlim=[10, 45],
                     ylim=[0, 15],
                     legend=False)

def BinnedPercentiles(df):
    """Bin the data by age and plot percentiles of weight for each bin.

    df: DataFrame
    """
    bins = np.arange(10, 48, 3)
    indices = np.digitize(df.agepreg, bins)
    groups = df.groupby(indices)

    ages = [group.agepreg.mean() for i, group in groups][1:-1]
    cdfs = [thinkstats2.Cdf(group.totalwgt_lb) for i, group in groups][1:-1]

    thinkplot.PrePlot(3)
    for percent in [75, 50, 25]:
        weights = [cdf.Percentile(percent) for cdf in cdfs]
        label = '%dth' % percent
        thinkplot.Plot(ages, weights, label=label)

    thinkplot.Show(xlabel="mother's age (years)",
                   ylabel='birth weight (lbs)')

두 변수(산모 나이와 출생체중) 사이 약한 관계가 존재하는 것이 산점도에 나와있다.
상관이 이점을 지지한다. 피어슨 상관은 약 0.07, 스피어만 상관은 약 0.09. 상관계수 차이가 나는 것이 이상점에 대한 영향 혹은 비선형 관계를 제시하고 있다.
체중과 산모연령을 백분위수로 도식화하면 관계가 비선형임이 제시된다. 출생체중은 산모나이 15세로부터 25세까지 연령범위에서 좀더 급격하게 증가하고 있다. 그 이후에, 효과는 더 약화된다.



In [7]:

    
thinkstats2.RandomSeed(17)
    
live, firsts, others = first.MakeFrames()
live = live.dropna(subset=['agepreg', 'totalwgt_lb'])

ages = live.agepreg
weights = live.totalwgt_lb
print('thinkstats2 Corr', thinkstats2.Corr(ages, weights))
print('thinkstats2 SpearmanCorr', thinkstats2.SpearmanCorr(ages, weights))

ScatterPlot(ages, weights, alpha=0.1)









    



thinkstats2 Corr 0.0688339703541
thinkstats2 SpearmanCorr 0.0946100410966



In [6]:

    
BinnedPercentiles(live)









    












    





<matplotlib.figure.Figure at 0x109c8030>



In [ ]: