Docentenhandleiding: Contextopgaven over correlatie

Los echte correlatieopgaven op: bereken r stap voor stap uit een kleine dataset, interpreteer hem in de context, beoordeel oorzakelijke beweringen en zie hoe een uitschieter r verandert.

Les presenterenStudentpagina bekijken

Gebruik deze les in de klas

Gratis, leerlingen hebben geen account nodig.

Delen met leerlingen

Leerlingen openen de les en oefenen met directe feedback.

Werkblad om te printen

Alle oefenopgaven op papier, met een apart antwoordblad.

Werkblad Antwoorden

Klassenquiz

10 vragen over Correlatie. Leerlingen doen mee met een naam, jij ziet alle scores.

Voor docenten

Leerdoelen

De correlatiecoëfficiënt $r$ met de hand berekenen voor een dataset van 4 tot 6 punten
Richting en sterkte van $r$ interpreteren in de context van een opgave
Beslissen of een oorzakelijke bewering gerechtvaardigd is en een mogelijke verstorende variabele noemen
Beschrijven hoe een uitschieter $r$ verandert en beslissen wanneer hij weggelaten mag worden
Berekeningen controleren met de nulsom van de afwijkingen en het bereik $-1 \le r \le 1$

Vereisten

• Introductie tot correlatie: positieve, negatieve en geen correlatie in een spreidingsdiagram
• Correlatiecoëfficiënt: de formule voor $r$ en de sterkteschaal
• Het gemiddelde van een kleine dataset berekenen
• Kwadraten en wortels met de rekenmachine

Discussiestarters

1. De correlatie tussen de verkoop van paraplu's en ongelukken is $r = 0{,}95$ . Hoe zou je kunnen controleren of de regen, en niet de paraplu's, haar verklaart?
2. Als je de studietijd in minuten in plaats van uren meet, verandert $r$ dan? Waarom wel of niet?
3. Wanneer is het eerlijk om een uitschieter weg te laten, en wanneer is het valsspelen?
4. Waarom kan de correlatie tussen dezelfde twee variabelen in de ene stad zeer sterk en in een andere zwak zijn?

Veelvoorkomende misvattingen

Een grotere $S_{xy}$ betekent altijd een sterkere correlatie

Herstel: Laat twee datasets zien met dezelfde $r$ maar andere eenheden: $S_{xy}$ groeit mee met de eenheden, $r$ niet. Alleen de verhouding $\frac{S_{xy}}{\sqrt{S_{xx} S_{yy}}}$ meet de sterkte.

Als $r$ dicht bij $1$ ligt, moet de bewering over oorzaak en gevolg kloppen

Herstel: Verzamel klassieke voorbeelden (paraplu's en verkeersongelukken, tv's en levensverwachting, schoenmaat en lezen) en laat leerlingen bij elk voorbeeld de verstorende variabele vinden.

Eén punt kan in een dataset niet veel uitmaken

Herstel: Gebruik het mestvoorbeeld: bereken $r$ voor vier punten ( $r = 1$ ), voeg dan het vijfde punt toe en reken opnieuw ( $r = 0$ ).

DifferentiatieIdeeën

Voor leerlingen met moeite:

• Geef een afwijkingentabel met al benoemde kolommen: $x_i - \bar{x}$ , $y_i - \bar{y}$ , product, kwadraten
• Gebruik datasets met gehele gemiddelden
• Laat leerlingen elke stap met de rekenmachine controleren voordat ze verdergaan

Voor leerlingen op niveau:

• $r$ berekenen voor 4 tot 6 punten en afronden op 2 decimalen
• Bij elke $r$ een volledige zin in de context schrijven (richting, sterkte, variabelen)
• Oorzakelijke beweringen beoordelen en een verstorende variabele noemen

Voor gevorderde leerlingen:

• Een vijfde punt zoeken dat een positieve $r$ negatief maakt
• Bewijzen dat een constante bij elke $y$ -waarde optellen $r$ niet verandert
• Een gecontroleerd experiment ontwerpen dat een oorzakelijke bewering uit het nieuws kan toetsen

Standaarduitlijning

HSS.ID.C.8 (CCSS.MATH.CONTENT.HSS.ID.C.8)
De correlatiecoëfficiënt van een lineaire benadering berekenen (met technologie) en interpreteren
HSS.ID.C.9 (CCSS.MATH.CONTENT.HSS.ID.C.9)
Onderscheid maken tussen correlatie en causaliteit
HSS.ID.B.6 (CCSS.MATH.CONTENT.HSS.ID.B.6)
Gegevens van twee kwantitatieve variabelen in een spreidingsdiagram weergeven en beschrijven hoe de variabelen samenhangen

Lesbronnen

visualSpreidingsdiagrammen met trendlijn
De gegevens over studie-uren en de dataset met uitschieter, met de trendlijn erin getekend
activityRace met de afwijkingentabel
In tweetallen vullen leerlingen een tabel met afwijkingen, producten en kwadraten in voor 5 punten en vergelijken hun $r$
worksheetKrantenkoppen-detective
Leerlingen beoordelen zes krantenkoppen die op correlaties steunen en noemen bij elke kop een verstorende variabele

Lesinhoud

Alles wat leerlingen zien: definitie, voorbeelden, veelgemaakte fouten, toepassingen. Tik om te openen.

Definitie

Een contextopgave over correlatie geeft je gepaarde gegevens uit een echte situatie en vraagt je het verband te meten, te interpreteren en te beoordelen. De formule voor de correlatiecoëfficiënt

r

ken je al uit de les *Correlatiecoëfficiënt*. Hier gebruik je hem als een volledige methode.

De vijfstappenmethode voor een kleine dataset:

1.Bereken de gemiddelden $\bar{x}$ en $\bar{y}$ .
2.Bereken elke afwijking $x_i - \bar{x}$ en $y_i - \bar{y}$ .
3.Tel de producten op: $S_{xy} = \sum(x_i - \bar{x})(y_i - \bar{y})$ .
4.Tel de kwadraten op: $S_{xx} = \sum(x_i - \bar{x})^2$ en $S_{yy} = \sum(y_i - \bar{y})^2$ .
5.Deel:
$r = \frac{S_{xy}}{\sqrt{S_{xx} \cdot S_{yy}}}$

Beantwoord daarna de vraag in de context:

Richting: het teken van $r$ (positief: beide stijgen samen; negatief: het ene stijgt terwijl het andere daalt).
Sterkte: de grootte van $|r|$ (schaal hieronder).
Causaliteit: een sterke $r$ bewijst op zich nooit dat de ene variabele de andere veroorzaakt. Zoek een verstorende variabele en vraag je af of de gegevens uit een gecontroleerd experiment komen.
Uitschieters: één ongewoon punt kan $r$ veel sterker of veel zwakker maken, of zelfs het teken omdraaien.

	r		Sterkte
$0{,}00$ tot $0{,}19$	zeer zwak
$0{,}20$ tot $0{,}39$	zwak
$0{,}40$ tot $0{,}59$	matig
$0{,}60$ tot $0{,}79$	sterk
$0{,}80$ tot $1{,}00$	zeer sterk

Uitgewerkte voorbeelden

Vijf leerlingen noteerden hun studie-uren en toetsscores:

(1, 64)

(2, 63)

(3, 77)

(4, 71)

(5, 75)

. Bereken

r

en interpreteer de waarde.

Bereken de gemiddelden

\bar{x} = \frac{1+2+3+4+5}{5} = 3

\bar{y} = \frac{64+63+77+71+75}{5} = \frac{350}{5} = 70

→

\bar{x} = 3

\bar{y} = 70

Bereken de afwijkingen

x_i - \bar{x}

-2, -1, 0, 1, 2

y_i - \bar{y}

-6, -7, 7, 1, 5

→ Elke som van afwijkingen is

0

(een snelle controle)

Vermenigvuldig de afwijkingen en tel op

(-2)(-6) + (-1)(-7) + (0)(7) + (1)(1) + (2)(5) = 12 + 7 + 0 + 1 + 10

→

S_{xy} = 30

Kwadrateer de afwijkingen en tel op

S_{xx} = 4 + 1 + 0 + 1 + 4 = 10

S_{yy} = 36 + 49 + 49 + 1 + 25 = 160

→

S_{xx} = 10

S_{yy} = 160

Vul de formule in

r = \frac{30}{\sqrt{10 \cdot 160}} = \frac{30}{\sqrt{1600}} = \frac{30}{40}

→

r = 0{,}75

Interpreteer in de context

Positief teken,

|r| = 0{,}75

ligt in de band

0{,}60

tot

0{,}79

→ Sterke positieve correlatie

Antwoord: $r = 0{,}75$ : een sterke positieve correlatie. Leerlingen die langer studeerden, scoorden meestal hoger, al scoorde de leerling met 1 uur beter dan die met 2 uur, dus het patroon is niet perfect.

Veelgemaakte fouten

De ruwe waarden $x_i y_i$ vermenigvuldigen in plaats van de afwijkingen

Waarom het fout is: De formule $r = \frac{S_{xy}}{\sqrt{S_{xx} S_{yy}}}$ gebruikt de afstanden tot de gemiddelden. Ruwe producten zijn bij positieve gegevens altijd groot en positief en geven een verkeerde $r$ .

Correct: Trek eerst de gemiddelden af. Snelle controle: de afwijkingen van elke variabele tellen op tot $0$ .

De wortel vergeten of te vroeg afronden

Waarom het fout is: $\frac{30}{10 \cdot 160} \approx 0{,}019$ is niet $r$ . Wie $\sqrt{520}$ afrondt op $23$ , krijgt $0{,}957$ in plaats van $0{,}965$ .

Correct: Neem de wortel van $S_{xx} \cdot S_{yy}$ en rond alleen het eindantwoord af op 2 decimalen.

Een sterke $r$ zien als bewijs dat de ene variabele de andere veroorzaakt

Waarom het fout is: Observatiegegevens kunnen een sterke correlatie tonen doordat een verstorende variabele beide beïnvloedt, zoals regenachtig weer zowel de verkoop van paraplu's als het aantal verkeersongelukken beïnvloedt.

Correct: Zeg "hangt samen met". Alleen een gerandomiseerd gecontroleerd experiment kan een oorzakelijke bewering rechtvaardigen.

Een uitschieter negeren of zonder reden schrappen

Waarom het fout is: Eén punt kan $r$ van $1$ naar $0$ brengen. Negeren verbergt het probleem; schrappen alleen omdat het niet uitkomt, is oneerlijk.

Correct: Teken de gegevens, bereken $r$ met en zonder de uitschieter en laat hem alleen weg met een duidelijke reden (meetfout, slak), en vermeld dat je dat deed.

Waarom het belangrijk is

Correlatiewaarden staan elke dag in nieuwsberichten, schoolrapporten en onderzoeksprojecten, en veel ervan worden verkeerd gelezen:

Gezondheidsnieuws: "Koffiedrinkers leven langer" is meestal een correlatie uit een enquête, geen bewijs.
Sport: coaches controleren of meer trainingsuren echt samengaan met betere looptijden voordat ze een schema aanpassen.
Handel en energie: een winkel vergelijkt temperatuur met verkoop, een gezin vergelijkt buitentemperatuur met stookverbruik.
Onderzoeksprojecten: één mislukte meting (een uitschieter) kan een resultaat verpesten als niemand naar het spreidingsdiagram kijkt.

Als je

r

zelf kunt berekenen, in gewone woorden kunt beschrijven en een onterechte oorzakelijke bewering of een misleidende uitschieter herkent, kun je statistieken beoordelen in plaats van ze zomaar te geloven.

Toepassingen in de echte wereld

Sportwetenschap

Coaches vergelijken wekelijkse trainingsuren met looptijden om te zien of meer training samengaat met snellere runs.

Voorbeeld:

Voor een hardloopclub zijn de sommen $S_{xy} = -45$ , $S_{xx} = 25$ en $S_{yy} = 100$ . Een negatieve $r$ betekent: meer training, lagere (snellere) tijden.

1Probeer het zelf

Een hardloopclub noteert voor haar leden de trainingsuren per week en de tijden op de 5 km (minuten). De sommen zijn $S_{xy} = -45$ , $S_{xx} = 25$ en $S_{yy} = 100$ .

Wat is de correlatiecoëfficiënt $r$ ?

Stap 1: Schrijf de wiskundige uitdrukking

Bereken $r = \frac{S_{xy}}{\sqrt{S_{xx} \cdot S_{yy}}}$ :

Kritisch nieuws lezen

Journalisten en lezers moeten beslissen of een gemelde correlatie een bewering over oorzaak en gevolg ondersteunt.

Voorbeeld:

Een rapport vindt $r = 0{,}83$ tussen het aantal tv's per 100 inwoners van een land en de levensverwachting, en een blog beweert dat tv's je langer laten leven.

2Probeer het zelf

Over veel landen hebben het aantal tv's per 100 inwoners en de levensverwachting $r = 0{,}83$ . Een blog concludeert dat meer tv's kopen mensen langer laat leven.

Is de oorzakelijke bewering gerechtvaardigd?

Stap 1: Kies het juiste antwoord

Kies je oordeel:

Kwaliteitscontrole van sensoren

Ingenieurs controleren meetgegevens op foute metingen, omdat één verkeerde waarde een perfect verband kan verbergen.

Voorbeeld:

Een temperatuursensor wordt getest bij vijf instellingen: $(2, 10)$ , $(4, 14)$ , $(6, 18)$ , $(8, 22)$ en een foute meting $(10, 6)$ .

3Probeer het zelf

Een sensor geeft de metingen $(2, 10)$ , $(4, 14)$ , $(6, 18)$ , $(8, 22)$ , $(10, 6)$ . De laatste meting is een bekende fout. De gemiddelden zijn $\bar{x} = 6$ en $\bar{y} = 14$ .

Wat is $r$ als de foute meting wordt weggelaten?

Stap 1: Schrijf de wiskundige uitdrukking

Vergelijk $r$ met en zonder de fout:

Belangrijke punten

1Zo bereken je $r$ met de hand: gemiddelden, afwijkingen, $S_{xy}$ , $S_{xx}$ , $S_{yy}$ , daarna $r = \frac{S_{xy}}{\sqrt{S_{xx} S_{yy}}}$
2Controleer je werk: de afwijkingen van elke variabele tellen op tot $0$ en $r$ moet tussen $-1$ en $1$ liggen
3Rond alleen de eindwaarde van $r$ af, meestal op 2 decimalen
4Interpreteer $r$ in de context: het teken geeft de richting, $|r|$ de sterkte
5Een sterke correlatie uit observatiegegevens rechtvaardigt geen oorzakelijke bewering; zoek naar verstorende variabelen
6Eén uitschieter kan $r$ versterken, verzwakken of zelfs omdraaien: teken de gegevens en vergelijk $r$ met en zonder hem

Veelgestelde vragen

Waarom tellen de afwijkingen altijd op tot nul?

Het gemiddelde is het evenwichtspunt van de gegevens: de waarden erboven en eronder heffen elkaar precies op. Als je afwijkingen niet optellen tot

0

, zit er een fout in het gemiddelde of in een aftrekking.

Verandert $r$ als je bij elke waarde hetzelfde getal optelt?

Nee. Een constante optellen verschuift alle punten samen, dus de afwijkingen blijven gelijk. Ook vermenigvuldigen met een positief getal (bijvoorbeeld uren naar minuten) verandert

r

niet. Vermenigvuldig je één variabele met een negatief getal, dan draait het teken van

r

om.

Wanneer mag je een uitschieter weglaten?

Als je een duidelijke reden hebt die niets met het resultaat te maken heeft: een meetfout, een typefout, een plant die door een slak is opgegeten. Vermeld altijd dat je hem weggelaten hebt en geef, als het kan,

r

met en zonder dat punt.

Hoe kun je causaliteit dan wel aantonen?

Met een gerandomiseerd gecontroleerd experiment: je deelt de behandeling (bijvoorbeeld mest) willekeurig toe aan sommige proefobjecten en aan andere niet, houdt al het andere gelijk en vergelijkt. Willekeurige toewijzing verdeelt verstorende variabelen gelijk over beide groepen.

Woordenlijst

Afwijking: De afstand van een waarde tot het gemiddelde, $x_i - \bar{x}$ ; die kan positief of negatief zijn
$S_{xy}$: De som van de producten van de afwijkingen, $\sum(x_i - \bar{x})(y_i - \bar{y})$ ; het teken ervan is het teken van $r$
$S_{xx}$ en $S_{yy}$: De sommen van de gekwadrateerde afwijkingen van $x$ en van $y$ ; die zijn nooit negatief
Uitschieter: Een datapunt ver van het patroon van de andere; het kan $r$ sterk veranderen
Verstorende variabele: Een variabele die niet in het onderzoek zit, beide variabelen beïnvloedt en een misleidende correlatie kan veroorzaken
Gecontroleerd experiment: Een onderzoek waarin de onderzoeker de behandeling willekeurig toewijst; het enige soort onderzoek dat een oorzakelijke bewering kan rechtvaardigen

Formulekaart

Correlatiecoëfficiënt

r = \frac{S_{xy}}{\sqrt{S_{xx} \cdot S_{yy}}}

$S_{xy} = \sum(x_i - \bar{x})(y_i - \bar{y})$, $S_{xx} = \sum(x_i - \bar{x})^2$, $S_{yy} = \sum(y_i - \bar{y})^2$

Controles

\sum(x_i - \bar{x}) = 0, \quad -1 \le r \le 1

Als een som van afwijkingen niet $0$ is of als $|r| > 1$, zit er een rekenfout in

Sterkteschaal

|r|: \ 0{,}2 \ \text{zwak}, \ 0{,}4 \ \text{matig}, \ 0{,}6 \ \text{sterk}, \ 0{,}8 \ \text{zeer sterk}

Elk niveau begint bij zijn waarde; onder $0{,}20$ is de correlatie zeer zwak

Meer over dit onderwerp

Docentenhandleiding: Contextopgaven over correlatie

Gebruik deze les in de klas

Voor docenten

Voor leerlingen met moeite:

Voor leerlingen op niveau:

Voor gevorderde leerlingen:

Lesinhoud

Definitie

Uitgewerkte voorbeelden

Veelgemaakte fouten

Waarom het belangrijk is

Toepassingen in de echte wereld

Sportwetenschap

Kritisch nieuws lezen

Kwaliteitscontrole van sensoren

Belangrijke punten

Veelgestelde vragen

Woordenlijst

Formulekaart

Correlatiecoëfficiënt

Controles

Sterkteschaal

Meer over dit onderwerp

Introductie tot correlatie

Correlatiecoëfficiënt

Correlatie interpreteren

Correlatie en causaliteit