Statistik VL 6: Korrelation und linearer Zusammenhang
Statistik M3, HS2014 Universität Basel
Statistik M3, HS2014 Universität Basel
Kartei Details
| Karten | 17 |
|---|---|
| Sprache | Deutsch |
| Kategorie | Sport |
| Stufe | Universität |
| Erstellt / Aktualisiert | 17.01.2015 / 27.12.2015 |
| Lizenzierung | Keine Angabe |
| Weblink |
https://card2brain.ch/box/statistik_vl_6_korrelation_und_linearer_zusammenhang
|
| Einbinden |
<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.
