0

Spearman's Rank Correlation Coefficient

Unsolved
Prob. and Stats

Difficulty: 1 | Problem written by Junaid Ahmed
A quantitative metric of the linearity of a relation between two datasets is the Spearman rank-order correlation coefficient:

\(r_{s} = 1 - \frac{6\sum d_{i}^{2}}{n(n^{2}-1)}\)

d is the difference between the two data points

n is the total number of observations

Write a Python function to implement the Spearman rank-order correlation coefficient.

Input

d, n

Output 

Correlation coefficient

 

Sample Input:
<class 'list'>
d1: 0.2
d2: 0.4
d3: 0.5
n: 2

Expected Output:
<class 'float'>
0.6625

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.

Fugiat reprehenderit placeat assumenda cumque fugit quis laborum quae esse voluptatibus repellendus, quas voluptatum cupiditate aliquam, sequi id quisquam consequatur, pariatur molestiae molestias impedit nesciunt quos voluptatem, enim sapiente possimus animi illum iusto ea officia voluptatibus aperiam? Sed non quos minima labore vero neque rerum suscipit voluptas, rerum quis suscipit blanditiis facilis possimus. Cum itaque praesentium asperiores officiis voluptatibus neque iure blanditiis, nisi neque ex assumenda eos sed error, consectetur mollitia tempora minus voluptates fuga odit illo dolores veritatis cumque? Nobis doloremque quo inventore harum dignissimos maxime magni molestiae quibusdam alias, non qui vero nam quo nesciunt molestiae ullam consequatur tempora soluta officia, omnis cum perspiciatis, nam deserunt voluptatum sed voluptatem dicta illo quod repudiandae.

Nisi excepturi rem nesciunt voluptas dicta quod repellendus odit nemo, enim earum tempore aspernatur accusamus nostrum numquam? Quibusdam aliquam excepturi fuga iusto obcaecati tenetur ipsam libero nemo? Doloremque similique voluptatum qui laborum, quae eos eaque, qui delectus non amet alias iste, tempora quaerat atque adipisci dicta?

Eos placeat earum totam esse exercitationem nihil assumenda, amet aliquam enim autem nobis vero itaque, itaque aliquid quae, dolore mollitia qui aperiam quisquam deleniti aliquam reiciendis. Maiores earum rerum dolores eaque totam perspiciatis ipsum atque obcaecati ducimus?

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)