Leitfaden für Lehrer: Korrelationskoeffizient
Lerne, wie man die Stärke und Richtung einer linearen Beziehung zwischen zwei Variablen mit dem Korrelationskoeffizienten r misst.
Diese Lektion im Unterricht nutzen
Kostenlos, keine Schülerkonten nötig.
Mit Schülern teilen
Die Schüler öffnen die Lektion und üben mit sofortigem Feedback.
Arbeitsblatt zum Drucken
Alle Übungsaufgaben auf Papier, mit separatem Lösungsblatt.
Klassenquiz
10 Fragen zu Korrelation. Die Schüler machen mit einem Namen mit, du siehst alle Ergebnisse.
Für Lehrer
- Den Korrelationskoeffizienten definieren und erklären, was er misst
- Den Korrelationskoeffizienten für einen Datensatz berechnen
- Das Vorzeichen und die Größe von im Kontext interpretieren
- Zwischen Korrelation und Kausalität unterscheiden
- Grenzen von für nicht-lineare Beziehungen erkennen
- • Verständnis von Streudiagrammen und dem Zeichnen geordneter Paare
- • Fähigkeit, den Mittelwert (Durchschnitt) zu berechnen
- • Vertrautheit mit Quadratzahlen und Quadratwurzeln
- • Grundverständnis linearer Beziehungen
- 1. Wenn zwei Variablen haben, können wir schließen, dass eine die andere verursacht? Warum oder warum nicht?
- 2. Warum könnte es irreführend sein, nur den Korrelationskoeffizienten ohne ein Streudiagramm zu berichten?
- 3. Eine Studie findet zwischen Schuhgröße und Lesefähigkeit bei Grundschülern. Was erklärt diese Korrelation?
- 4. Wie würdest du jemandem erklären, dass eine perfekte Korrelation von in realen Daten selten ist?
Eine Korrelation von 0,5 bedeutet, dass die Variablen zu 50% zusammenhängen
Negative Korrelation bedeutet keine Beziehung
Für Schüler mit Schwierigkeiten:
- • Konzentriere dich auf die Interpretation gegebener -Werte vor der Berechnung
- • Verwende Technologie (Taschenrechner/Tabellenkalkulation) für Berechnungen
- • Stelle Streudiagramme mit eindeutig positiver, negativer oder keiner Korrelation bereit
Für Schüler auf Niveau:
- • Berechne von Hand für kleine Datensätze (5-6 Punkte)
- • Interpretiere in verschiedenen realen Kontexten
- • Analysiere die Auswirkung von Ausreißern auf die Korrelation
Für fortgeschrittene Schüler:
- • Erkunde das Bestimmtheitsmaß
- • Vergleiche Pearson- und Spearman-Korrelation für Rangdaten
- • Untersuche partielle Korrelation unter Kontrolle dritter Variablen
- HSS.ID.C.8 (CCSS.MATH.CONTENT.HSS.ID.C.8)
Berechne (mit Technologie) und interpretiere den Korrelationskoeffizienten einer linearen Anpassung
- HSS.ID.C.9 (CCSS.MATH.CONTENT.HSS.ID.C.9)
Unterscheide zwischen Korrelation und Kausalität
- visualInteraktives Streudiagramm
Schüler fügen Punkte hinzu und sehen, wie sich in Echtzeit aktualisiert
- activityKorrelations-Ratespiel
Schätze aus Streudiagrammen, bevor der Wert enthüllt wird
- worksheetKorrelation vs Kausalität Szenarien
Bestimme, ob Szenarien Korrelation, Kausalität oder keines von beidem zeigen
Lektionsinhalt
Alles, was die Schüler sehen: Definition, Beispiele, typische Fehler, Anwendungen. Zum Öffnen tippen.
Lektionsinhalt
Alles, was die Schüler sehen: Definition, Beispiele, typische Fehler, Anwendungen. Zum Öffnen tippen.
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 |
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.
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
Was ist der Unterschied zwischen Korrelation und Kausalität?
Kann größer als 1 oder kleiner als -1 sein?
Was bedeutet ?
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: $r = \frac{n\sum xy - (\sum x)(\sum y)}{\sqrt{[n\sum x^2 - (\sum x)^2][n\sum y^2 - (\sum y)^2]}}$