Для краткой и простой функции, которая позволяет оценить степень зависимости двух наборов данных, можно воспользоваться коэффициентом корреляции Пирсона. Коэффициент корреляции Пирсона измеряет степень линейной зависимости между двумя переменными.
Вот пример функции на Python, которая считает коэффициент корреляции Пирсона для двух данных:
import numpy as np
def pearson_correlation(x, y):
n = len(x)
sum_x = np.sum(x)
sum_y = np.sum(y)
sum_xy = np.sum(np.multiply(x, y))
sum_x_square = np.sum(np.square(x))
sum_y_square = np.sum(np.square(y))
numerator = n * sum_xy - sum_x * sum_y
denominator = np.sqrt((n * sum_x_square - sum_x**2) * (n * sum_y_square - sum_y**2))
correlation = numerator / denominator
return correlation
# Пример данных для проверки функции
data1 = [1, 2, 3, 4, 5]
data2 = [2, 4, 6, 8, 10]
correlation_coefficient = pearson_correlation(data1, data2)
print(f"Коэффициент корреляции: {correlation_coefficient}")
В данном примере коэффициент корреляции Пирсона для данных [1, 2, 3, 4, 5] и [2, 4, 6, 8, 10] равен 1, что указывает на сильную положительную линейную зависимость между этими данными.
Для более сложных данных или анализа статистической зависимости между наборами данных, обычно используются специализированные программы или библиотеки, такие как pandas или scipy в Python.
