Premium Partner

Statistik VL 6: Korrelation und linearer Zusammenhang

Statistik M3, HS2014 Universität Basel

Statistik M3, HS2014 Universität Basel


Set of flashcards Details

Flashcards 17
Language Deutsch
Category Sports
Level University
Created / Updated 17.01.2015 / 27.12.2015
Licencing Not defined
Weblink
https://card2brain.ch/box/statistik_vl_6_korrelation_und_linearer_zusammenhang
Embed
<iframe src="https://card2brain.ch/box/statistik_vl_6_korrelation_und_linearer_zusammenhang/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>

wann ist eine positive Korrelation (bzw. Kovarianz gegeben?

wenn ein hoher Wert auf einer Variable häufig mit einem hohen Wert einer anderen einhergeht.

zB Optimismus + Risikobereitschaft

wann ist eine negative Korrelation (bzw. Kovarianz) gegeben?

wenn ein hoher Wert auf einer Variable häufig mit einem niedrigen Wert einer anderen einhergeht.

zB Optimismus + Ängstlichkeit

Wie kann das Ausmass eines linearen Zusammenhangs klassifiziert werden?

small: -0.29 bis -0.1 = negativ / 0.10 bis 0.29 = positiv

medium: -0.49 bis -0.3 = negativ / 0.30 bis 0.49 = positiv

large: -1.00 bis -0.50 = negativ / 0.50 bis 1.00 = positiv

Wofür wird die Kovarianz benötigt?

= gemeinsame Varianz

zur Herleitung der Korrelation

Wovon hängt die Kovarianz ab?

von der Skalierung der beteiligten Variablen

> Kovarianzen dürfen nicht direkt interpretiert oder zwischen Untersuchungen verglichen werden

deshalb wird sie standardisiert! Standardisierte Kovarianz = Korrelationskoeffizient

Was ist der Korrelationskoeffizient?

standardisierte Kovarianz

Was versteht man unter Heteroskedastizität?

Varianzheterogenität > unterschiedliche Streuung innerhalb einer Datenmessung

typisches Beispiel wenn bei einer Zeitreihe die Abweichungen von der Trendgerade mit Fortlauf der Zeit steigen zB für Treffergenauigkeit der Wettervorhersage. Je weiter in der Zukunft, desto unwahrscheinlicher ist eine genaue Prognose.

Was versteht man unter Homoskedastizität?

wenn Varianzen der Variablen nicht signifikant unterschiedlich sind.