Korrelationskoeffizient
Lerne, wie man die Stärke und Richtung einer linearen Beziehung zwischen zwei Variablen mit dem Korrelationskoeffizienten r misst.
Definition
- liegt immer zwischen und :
- : Perfekte positive Korrelation
- : Perfekte negative Korrelation
- : Keine lineare Korrelation
| Wert von $ | r | Stärke | |
|---|---|---|---|
| Sehr schwach | |||
| Schwach | |||
| Mäßig | |||
| Stark | |||
| Sehr stark |
Probier es gleich aus
Lösungsbeispiele
Berechne den Korrelationskoeffizienten für die Daten:
Berechne die Mittelwerte und
, → ,
Berechne die Abweichungen und
Punkt : Punkt : Punkt : Punkt : Punkt : → Abweichungen berechnet
Berechne die Produkte
Summe →
Berechne
→
Berechne
→
Wende die Formel an
→
Antwort: (starke positive Korrelation)
Häufige Fehler
Annahme, dass Korrelation Kausalität impliziert
Warum es falsch ist: Eine starke Korrelation zwischen und bedeutet nicht, dass verursacht. Es könnte eine dritte Variable beide beeinflussen, oder die Beziehung könnte zufällig sein.
Richtig: Sage immer "assoziiert mit" oder "korreliert mit" statt "verursacht". Suche nach experimentellen Beweisen, um Kausalität festzustellen.
Ausreißer bei der Interpretation von ignorieren
Warum es falsch ist: Ein einzelner Ausreißer kann den Korrelationskoeffizienten dramatisch verändern. ist empfindlich gegenüber Extremwerten.
Richtig: Erstelle immer zuerst ein Diagramm der Daten. Suche nach Ausreißern und erwäge, mit und ohne sie zu berechnen.
Verwendung von für nicht-lineare Beziehungen
Warum es falsch ist: misst nur lineare Beziehungen. Ein perfektes Kurvenmuster könnte haben.
Richtig: Untersuche das Streudiagramm. Wenn das Muster gekrümmt ist, ist nicht das richtige Maß. Erwäge Transformationen oder nicht-lineare Modelle.
Interaktive Visualisierung
Lineare Funktion erkunden
Balkendiagramm
Interaktiver Sandkasten
Ausdrucksrechner
Probiere diese:
Verlauf
Noch keine Berechnungen
Übungsaufgaben
16 AufgabenWas zeigt ein Korrelationskoeffizient von an?
Warum es wichtig ist
- Wissenschaft: Forscher messen, wie stark Variablen wie Temperatur und Eisverkauf zusammenhängen
- Finanzen: Analysten verfolgen, wie sich Aktienkurse gemeinsam bewegen (Portfolio-Diversifikation)
- Medizin: Ärzte untersuchen Beziehungen zwischen Risikofaktoren und Gesundheitsergebnissen
- Sport: Trainer analysieren, welche Statistiken den Teamerfolg am besten vorhersagen
- Beziehungen zu quantifizieren, die in Streudiagrammen "linear aussehen"
- Vorhersagen mittels Regressionsanalyse zu treffen
- Die Zuverlässigkeit statistischer Modelle zu bewerten
- Ergebnisse präzise zu kommunizieren ("starke positive Korrelation" vs "schwache negative Korrelation")
Anwendungen im echten Leben
Diversifikation am Aktienmarkt
Investmentanalysten nutzen Korrelation, um diversifizierte Portfolios aufzubauen. Aktien mit niedriger oder negativer Korrelation gleichen Risiken aus.
Beispiel:
Wenn Aktie A und Aktie B haben, steigt B tendenziell leicht, wenn A fällt, was die Portfolio-Volatilität reduziert.
Zwei Tech-Aktien haben . Zwei Aktien aus verschiedenen Sektoren haben .
Welches Paar bietet bessere Diversifikation?
Schritt 1: Schreibe den mathematischen Ausdruck
Vergleiche: vs
Medizinische Forschung
Forscher nutzen Korrelation, um potenzielle Risikofaktoren für Krankheiten zu identifizieren.
Beispiel:
Eine Studie findet zwischen Blutdruck und Herzerkrankungsrisiko, was eine starke positive Beziehung anzeigt.
Drei Gesundheitsfaktoren zeigen Korrelationen mit dem Diabetesrisiko: Bewegung (), Zuckerkonsum (), Schlafqualität ().
Welcher Faktor hat die stärkste Beziehung zum Diabetesrisiko?
Schritt 1: Schreibe den mathematischen Ausdruck
Vergleiche Absolutwerte: , ,
Wichtige Erkenntnisse
- 1Der Korrelationskoeffizient misst die Stärke und Richtung einer linearen Beziehung
- 2 reicht von (perfekt negativ) bis (perfekt positiv), wobei keine lineare Beziehung anzeigt
- 3Der Absolutwert zeigt die Stärke: näher an ist stärker, näher an ist schwächer
- 4Visualisiere Daten immer mit einem Streudiagramm, bevor du interpretierst
- 5Korrelation bedeutet nicht Kausalität - Zusammenhang ist nicht dasselbe wie Ursache-Wirkung
Häufig gestellte Fragen
Glossar
- Korrelationskoeffizient ()
- Ein numerisches Maß von bis , das die Stärke und Richtung einer linearen Beziehung zwischen zwei Variablen quantifiziert
- Positive Korrelation
- Wenn : wenn eine Variable steigt, tendiert die andere auch zu steigen
- Negative Korrelation
- Wenn : wenn eine Variable steigt, tendiert die andere zu fallen
- Pearson-Korrelation
- Die häufigste Art des Korrelationskoeffizienten, der lineare Beziehungen misst (auch Pearsons genannt)
- Streudiagramm
- Ein Diagramm, das Punkte für gepaarte Daten zeigt und zur Visualisierung von Beziehungen zwischen Variablen verwendet wird
Formelkarte
Formel für den Korrelationskoeffizienten
Alternative Form: $r = \frac{n\sum xy - (\sum x)(\sum y)}{\sqrt{[n\sum x^2 - (\sum x)^2][n\sum y^2 - (\sum y)^2]}}$