Berechnung von r für einen kleinen Datensatz

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

Berechne die Mittelwerte $\bar{x}$ und $\bar{y}$: $\bar{x} = \frac{1+2+3+4+5}{5} = 3$, $\bar{y} = \frac{2+4+5+4+5}{5} = 4$ = $\bar{x} = 3$, $\bar{y} = 4$

Berechne die Abweichungen $(x_i - \bar{x})$ und $(y_i - \bar{y})$: Punkt $(1,2)$: $(-2, -2)$ Punkt $(2,4)$: $(-1, 0)$ Punkt $(3,5)$: $(0, 1)$ Punkt $(4,4)$: $(1, 0)$ Punkt $(5,5)$: $(2, 1)$ = Abweichungen berechnet

Berechne die Produkte $(x_i - \bar{x})(y_i - \bar{y})$: $(-2)(-2) = 4$ $(-1)(0) = 0$ $(0)(1) = 0$ $(1)(0) = 0$ $(2)(1) = 2$ Summe $= 4 + 0 + 0 + 0 + 2 = 6$ = $\sum(x_i - \bar{x})(y_i - \bar{y}) = 6$

Berechne $\sum(x_i - \bar{x})^2$: $(-2)^2 + (-1)^2 + 0^2 + 1^2 + 2^2 = 4 + 1 + 0 + 1 + 4 = 10$ = $\sum(x_i - \bar{x})^2 = 10$

Berechne $\sum(y_i - \bar{y})^2$: $(-2)^2 + 0^2 + 1^2 + 0^2 + 1^2 = 4 + 0 + 1 + 0 + 1 = 6$ = $\sum(y_i - \bar{y})^2 = 6$

Wende die Formel an: $r = \frac{6}{\sqrt{10 \cdot 6}} = \frac{6}{\sqrt{60}} = \frac{6}{7,746} \approx 0,775$ = $r \approx 0,77$

Answer: $r \approx 0,77$ (starke positive Korrelation)

Interpretation von Korrelationswerten

Eine Studie findet $r = -0,82$ zwischen täglich geschauten Fernsehstunden und Prüfungsergebnissen. Interpretiere dieses Ergebnis.

Bestimme das Vorzeichen: $r = -0,82$ ist negativ = Negative Korrelation (wenn eine Variable steigt, sinkt die andere)

Bewerte die Stärke mit $|r|$: $|{-0,82}| = 0,82$, was im Bereich $0,80 - 1,00$ liegt = Sehr starke Korrelation

Interpretiere im Kontext: Schüler, die mehr fernsehen, erzielen tendenziell schlechtere Prüfungsergebnisse = Starke inverse Beziehung

Füge angemessene Einschränkungen hinzu: Korrelation bedeutet nicht Kausalität. Andere Faktoren könnten beide Variablen erklären. = Zusammenhang, nicht Ursache

Answer: Es gibt eine sehr starke negative Korrelation ($r = -0,82$). Schüler, die mehr fernsehen, haben tendenziell schlechtere Prüfungsergebnisse, aber dieser Zusammenhang beweist nicht, dass Fernsehen schlechtere Noten verursacht.

Berechnung des Bestimmtheitsmaßes

Wenn $r = 0,80$ zwischen Lernstunden und Testergebnissen, welcher Prozentsatz der Varianz in Testergebnissen wird durch Lernstunden erklärt?

Quadriere den Korrelationskoeffizienten: $r^2 = (0,80)^2 = 0,64$ = $r^2 = 0,64$

Wandle in Prozent um: $0,64 \times 100 = 64\%$ = 64% der Varianz erklärt

Interpretiere das Ergebnis: 64% der Variation in Testergebnissen kann auf Lernstunden zurückgeführt werden = Starke Erklärungskraft

Answer: $r^2 = 0,64 = 64\%$. Das bedeutet, dass 64% der Varianz in Testergebnissen durch die lineare Beziehung mit Lernstunden erklärt wird. Die restlichen 36% sind auf andere Faktoren zurückzuführen.

Mistake: Annahme, dass Korrelation Kausalität impliziert

Why: Eine starke Korrelation zwischen $A$ und $B$ bedeutet nicht, dass $A$ $B$ verursacht. Es könnte eine dritte Variable beide beeinflussen, oder die Beziehung könnte zufällig sein.

Correct: Sage immer "assoziiert mit" oder "korreliert mit" statt "verursacht". Suche nach experimentellen Beweisen, um Kausalität festzustellen.

Mistake: Ausreißer bei der Interpretation von $r$ ignorieren

Why: Ein einzelner Ausreißer kann den Korrelationskoeffizienten dramatisch verändern. $r$ ist empfindlich gegenüber Extremwerten.

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

Mistake: Verwendung von $r$ für nicht-lineare Beziehungen

Why: $r$ misst nur lineare Beziehungen. Ein perfektes Kurvenmuster könnte $r = 0$ haben.

Correct: Untersuche das Streudiagramm. Wenn das Muster gekrümmt ist, ist $r$ nicht das richtige Maß. Erwäge Transformationen oder nicht-lineare Modelle.

Diversifikation am Aktienmarkt

Investmentanalysten nutzen Korrelation, um diversifizierte Portfolios aufzubauen. Aktien mit niedriger oder negativer Korrelation gleichen Risiken aus.

Wenn Aktie A und Aktie B $r = -0,3$ haben, steigt B tendenziell leicht, wenn A fällt, was die Portfolio-Volatilität reduziert.

Medizinische Forschung

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

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

Q: Was ist der Unterschied zwischen Korrelation und Kausalität?

A: 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.

Q: Kann $r$ größer als 1 oder kleiner als -1 sein?

A: Nein. Per mathematischer Definition liegt $r$ immer zwischen $-1$ und $1$. Wenn du einen Wert außerhalb dieses Bereichs berechnest, liegt ein Fehler in deinen Berechnungen vor.

Q: Was bedeutet $r = 0$?

A: $r = 0$ bedeutet, dass es keine lineare Beziehung zwischen den Variablen gibt. Es könnte jedoch trotzdem eine nicht-lineare Beziehung bestehen (wie eine Parabel oder Sinuskurve).