Korrelationskoeffizient

Lerne, wie man die Stärke und Richtung einer linearen Beziehung zwischen zwei Variablen mit dem Korrelationskoeffizienten r misst.

Fortgeschritten25 MinLektion
Arbeitsblatt zum Drucken

Definition

Der Korrelationskoeffizient (bezeichnet als rr) misst die Stärke und Richtung einer linearen Beziehung zwischen zwei Variablen.
r=∑(xi−xˉ)(yi−yˉ)∑(xi−xˉ)2⋅∑(yi−yˉ)2r = \frac{\sum(x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum(x_i - \bar{x})^2 \cdot \sum(y_i - \bar{y})^2}}
**Wichtige Eigenschaften von rr:**
  • rr liegt immer zwischen −1-1 und 11: −1≤r≤1-1 \le r \le 1
  • r=1r = 1: Perfekte positive Korrelation
  • r=−1r = -1: Perfekte negative Korrelation
  • r=0r = 0: Keine lineare Korrelation
**Interpretation von ∣r∣|r|:**
Wert von $rStärke
0,00−0,190,00 - 0,19Sehr schwach
0,20−0,390,20 - 0,39Schwach
0,40−0,590,40 - 0,59Mäßig
0,60−0,790,60 - 0,79Stark
0,80−1,000,80 - 1,00Sehr stark

Probier es gleich aus

Was zeigt ein Korrelationskoeffizient von r=1r = 1 an?

Lösungsbeispiele

Berechne den Korrelationskoeffizienten für die Daten: (1,2),(2,4),(3,5),(4,4),(5,5)(1, 2), (2, 4), (3, 5), (4, 4), (5, 5)
1

Berechne die Mittelwerte xˉ\bar{x} und yˉ\bar{y}

xˉ=1+2+3+4+55=3\bar{x} = \frac{1+2+3+4+5}{5} = 3, yˉ=2+4+5+4+55=4\bar{y} = \frac{2+4+5+4+5}{5} = 4 → xˉ=3\bar{x} = 3, yˉ=4\bar{y} = 4
2

Berechne die Abweichungen (xi−xˉ)(x_i - \bar{x}) und (yi−yˉ)(y_i - \bar{y})

Punkt (1,2)(1,2): (−2,−2)(-2, -2) Punkt (2,4)(2,4): (−1,0)(-1, 0) Punkt (3,5)(3,5): (0,1)(0, 1) Punkt (4,4)(4,4): (1,0)(1, 0) Punkt (5,5)(5,5): (2,1)(2, 1) → Abweichungen berechnet
3

Berechne die Produkte (xi−xˉ)(yi−yˉ)(x_i - \bar{x})(y_i - \bar{y})

(−2)(−2)=4(-2)(-2) = 4 (−1)(0)=0(-1)(0) = 0 (0)(1)=0(0)(1) = 0 (1)(0)=0(1)(0) = 0 (2)(1)=2(2)(1) = 2 Summe =4+0+0+0+2=6= 4 + 0 + 0 + 0 + 2 = 6 → ∑(xi−xˉ)(yi−yˉ)=6\sum(x_i - \bar{x})(y_i - \bar{y}) = 6
4

Berechne ∑(xi−xˉ)2\sum(x_i - \bar{x})^2

(−2)2+(−1)2+02+12+22=4+1+0+1+4=10(-2)^2 + (-1)^2 + 0^2 + 1^2 + 2^2 = 4 + 1 + 0 + 1 + 4 = 10 → ∑(xi−xˉ)2=10\sum(x_i - \bar{x})^2 = 10
5

Berechne ∑(yi−yˉ)2\sum(y_i - \bar{y})^2

(−2)2+02+12+02+12=4+0+1+0+1=6(-2)^2 + 0^2 + 1^2 + 0^2 + 1^2 = 4 + 0 + 1 + 0 + 1 = 6 → ∑(yi−yˉ)2=6\sum(y_i - \bar{y})^2 = 6
6

Wende die Formel an

r=610⋅6=660=67,746≈0,775r = \frac{6}{\sqrt{10 \cdot 6}} = \frac{6}{\sqrt{60}} = \frac{6}{7,746} \approx 0,775 → r≈0,77r \approx 0,77

Häufige Fehler

Annahme, dass Korrelation Kausalität impliziert

Warum es falsch ist: Eine starke Korrelation zwischen AA und BB bedeutet nicht, dass AA BB 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 rr ignorieren

Warum es falsch ist: Ein einzelner Ausreißer kann den Korrelationskoeffizienten dramatisch verändern. rr ist empfindlich gegenüber Extremwerten.

Richtig: Erstelle immer zuerst ein Diagramm der Daten. Suche nach Ausreißern und erwäge, rr mit und ohne sie zu berechnen.

Verwendung von rr für nicht-lineare Beziehungen

Warum es falsch ist: rr misst nur lineare Beziehungen. Ein perfektes Kurvenmuster könnte r=0r = 0 haben.

Richtig: Untersuche das Streudiagramm. Wenn das Muster gekrümmt ist, ist rr nicht das richtige Maß. Erwäge Transformationen oder nicht-lineare Modelle.

Interaktive Visualisierung

Streudiagramm

Daten: (1, 2), (2, 4), (3, 5), (4, 4), (5, 5)

123452345xy

ŷ = 0,6x + 2,2

r = 0,775 · starke positive Korrelation

Tippe auf einen Punkt, um seine Koordinaten zu sehen.

Interaktiver Sandkasten

Ausdrucksrechner

Probiere diese:

Verlauf

Noch keine Berechnungen

Übungsaufgaben

16 Aufgaben
Aufgabe 1 von 16
Einfach
Was zeigt ein Korrelationskoeffizient von r=1r = 1 an?

Warum es wichtig ist

Der Korrelationskoeffizient ist grundlegend in der Datenanalyse:
  • 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
Das Verstehen von rr hilft dir:
  • 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 r=−0,3r = -0,3 haben, steigt B tendenziell leicht, wenn A fällt, was die Portfolio-Volatilität reduziert.

1Probiere es selbst

Zwei Tech-Aktien haben r=0,92r = 0,92. Zwei Aktien aus verschiedenen Sektoren haben r=0,15r = 0,15.

Welches Paar bietet bessere Diversifikation?

Schritt 1: Schreibe den mathematischen Ausdruck

Vergleiche: ∣0,92∣|0,92| vs ∣0,15∣|0,15|

Medizinische Forschung

Forscher nutzen Korrelation, um potenzielle Risikofaktoren für Krankheiten zu identifizieren.

Beispiel:

Eine Studie findet r=0,68r = 0,68 zwischen Blutdruck und Herzerkrankungsrisiko, was eine starke positive Beziehung anzeigt.

2Probiere es selbst

Drei Gesundheitsfaktoren zeigen Korrelationen mit dem Diabetesrisiko: Bewegung (r=−0,45r = -0,45), Zuckerkonsum (r=0,52r = 0,52), Schlafqualität (r=−0,31r = -0,31).

Welcher Faktor hat die stärkste Beziehung zum Diabetesrisiko?

Schritt 1: Schreibe den mathematischen Ausdruck

Vergleiche Absolutwerte: ∣−0,45∣|-0,45|, ∣0,52∣|0,52|, ∣−0,31∣|-0,31|

Wichtige Erkenntnisse

  • 1Der Korrelationskoeffizient rr misst die Stärke und Richtung einer linearen Beziehung
  • 2rr reicht von −1-1 (perfekt negativ) bis +1+1 (perfekt positiv), wobei 00 keine lineare Beziehung anzeigt
  • 3Der Absolutwert ∣r∣|r| zeigt die Stärke: näher an 11 ist stärker, näher an 00 ist schwächer
  • 4Visualisiere Daten immer mit einem Streudiagramm, bevor du rr interpretierst
  • 5Korrelation bedeutet nicht Kausalität - Zusammenhang ist nicht dasselbe wie Ursache-Wirkung

Häufig gestellte Fragen

Korrelation zeigt, dass zwei Variablen sich zusammen bewegen, aber Kausalität bedeutet, dass eine Variable direkt Änderungen in der anderen verursacht. Eisverkäufe und Ertrinkungsfälle sind korreliert (beide steigen im Sommer), aber Eis verursacht kein Ertrinken - heißes Wetter beeinflusst beides.
Korrelation zeigt, dass zwei Variablen sich zusammen bewegen, aber Kausalität bedeutet, dass eine Variable direkt Änderungen in der anderen verursacht. Eisverkäufe und Ertrinkungsfälle sind korreliert (beide steigen im Sommer), aber Eis verursacht kein Ertrinken - heißes Wetter beeinflusst beides.
Nein. Per mathematischer Definition liegt rr immer zwischen −1-1 und 11. Wenn du einen Wert außerhalb dieses Bereichs berechnest, liegt ein Fehler in deinen Berechnungen vor.
r=0r = 0 bedeutet, dass es keine lineare Beziehung zwischen den Variablen gibt. Es könnte jedoch trotzdem eine nicht-lineare Beziehung bestehen (wie eine Parabel oder Sinuskurve).

Glossar

Korrelationskoeffizient (rr)
Ein numerisches Maß von −1-1 bis +1+1, das die Stärke und Richtung einer linearen Beziehung zwischen zwei Variablen quantifiziert
Positive Korrelation
Wenn r>0r > 0: wenn eine Variable steigt, tendiert die andere auch zu steigen
Negative Korrelation
Wenn r<0r < 0: wenn eine Variable steigt, tendiert die andere zu fallen
Pearson-Korrelation
Die häufigste Art des Korrelationskoeffizienten, der lineare Beziehungen misst (auch Pearsons rr genannt)
Streudiagramm
Ein Diagramm, das Punkte für gepaarte Daten zeigt und zur Visualisierung von Beziehungen zwischen Variablen verwendet wird

Formelkarte

Formel für den Korrelationskoeffizienten

r=∑(xi−xˉ)(yi−yˉ)∑(xi−xˉ)2⋅∑(yi−yˉ)2r = \frac{\sum(x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum(x_i - \bar{x})^2 \cdot \sum(y_i - \bar{y})^2}}

Alternative Form: $r = \frac{n\sum xy - (\sum x)(\sum y)}{\sqrt{[n\sum x^2 - (\sum x)^2][n\sum y^2 - (\sum y)^2]}}$

Heutige ChallengeEine Aufgabe, drei Versuche

Mehr zu diesem Thema

Einführung in die Korrelation

Mittelstufe25 Min

Korrelation interpretieren

Mittelstufe25 Min

Korrelation und Kausalität

Mittelstufe25 Min

Textaufgaben zur Korrelation

Fortgeschritten35 Min