1

Pearson Correlation Matrix

Unsolved
Prob. and Stats

Difficulty: 2 | Problem written by Mr. Umair
A 2 x 2 Correlation Matrix is a matrix representing correlation coefficients between two variables. Pearson's Correlation Coefficient is the covariance of the two variables divided by the product of their standard deviations.

It can be shown as: 

 

\(r = \frac{{}\sum_{i=1}^{n} (x_i - \overline{x})(y_i - \overline{y})} {\sqrt{\sum_{i=1}^{n} (x_i - \overline{x})^2(y_i - \overline{y})^2}}\)

Input:

Two NumPy arrays having same length.

Output:

Return the correlation matrix, which is a two-dimensional array with the correlation coefficients.

 

Sample Input:
<class 'list'>
arr1: [1 0]
arr2: [0 1]

Expected Output:
<class 'numpy.ndarray'>
[[ 1. -1.] [-1. 1.]]

Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum.

Perspiciatis soluta tempore nulla nam harum reiciendis facere, eaque ad nesciunt soluta numquam optio autem distinctio, excepturi ad exercitationem omnis magnam maiores tempora, expedita laudantium ipsam aperiam quod fugit. Consequuntur at rem voluptatem voluptatum enim quia reprehenderit dolorum autem provident, dignissimos iure pariatur nemo impedit, quibusdam quae laudantium dicta illo blanditiis unde animi similique nemo nam asperiores, nemo impedit saepe culpa commodi aspernatur consequatur autem deserunt, facere perferendis iste ipsum amet maiores atque obcaecati cumque? Laboriosam omnis odio consectetur illo earum praesentium placeat, eius sit quia facere ad, ipsam facere earum magnam, quas quos praesentium repellat. Laudantium libero eligendi commodi facere, placeat pariatur quia iure reiciendis esse cupiditate animi eos distinctio eveniet, ipsam fugiat vel incidunt nisi sit aut beatae minus illo optio, non saepe ipsa, perspiciatis aliquam dolorum vel ab adipisci assumenda aliquid sit tempore.

Obcaecati illo excepturi quibusdam vel officia beatae voluptatibus facilis eaque ipsa id, voluptatum expedita officiis nostrum voluptates iusto dolores sequi, quia at animi mollitia aperiam dolorum iusto illo inventore dolor nobis, officiis a minima, iste odio quisquam similique neque saepe dolor. Excepturi eaque ex voluptas fugit incidunt non impedit maxime autem, illum facere molestiae incidunt nulla exercitationem ea, odit sed maiores unde error reiciendis, commodi blanditiis dolorum aperiam eum repellat optio sequi dicta officiis et praesentium, alias ea animi nulla hic corrupti quis optio eligendi nemo aliquam sit? Iusto tempora doloribus quos quas ipsa ipsum nesciunt numquam asperiores impedit illum, ratione eveniet possimus ut nulla perferendis magnam consequuntur explicabo esse nihil, nisi dolorem impedit nostrum expedita quo rem quas unde ullam?

Repellat officia possimus illum sequi? Dolores deserunt officia, iste quod reprehenderit cumque nemo vitae odit officia autem culpa architecto, autem ducimus reprehenderit, dolorem illum quia minus consectetur voluptates fugit sunt quam culpa doloremque. Velit architecto illum.

This is a premium feature.
To access this and other such features, click on upgrade below.

Ready.

Input Test Case

Please enter only one test case at a time
numpy has been already imported as np (import numpy as np)