3.1 Streuungsdiagramm und Kontingenztabelle
Wichtiges
Merkmale X und Y
Beobachtungswerte x1, x2, x3… xn und y1, y2, y3….yn
Merkmalausprägungen sind quantitativ
Zweidimensionale Daten lassen sich als Wertpaare (x1, y1) oder xn, yn darstellen
Aufbereitung zweidimensionaler Daten ist von der Merkmalsart abhängig
Merkmale sind quantitativ
X Achse : Merkmal x geht noch rechts
Y Achse: Merkmal y geht nach oben
Wertpaare xy werden mit einem Punkt eingetragen
Beispiel Skript Seite 62
Streuungsdiagramm
veranschaulicht zweidimensionale Daten grafisch
Merkmale müssen quantitativ sein
Kontingenztabelle
stellt tabellarische Veranschaulichung von zweidimensionalen Daten dar
Merkmale müssen qualitativ sein
Streuungsdiagramm kann nun nicht herangezogen werden
Stattdessen Kontingenztabelle Skript Seite 65
Wichtig hierbei : absolute Häufigkeiten müssen durch Randhäufigkeiten dividiert werden 240 : 430 = 0,56 also 56% der zb Arbeiter gehen keiner sportlichen Aktivität nach
In deskriptiven Statistik wird von bedingter relativer Häufigkeit gesprochen
Aufbereitung zweidimensionaler Daten offenbart i.d.R nur eilen tendenziellen Zusammenhang
Nur aussagen über Tendenz möglich
Fachbegriffe mit denen zweidimensionale Häufigkeitsverteilungen beschreiben werden
besteht Zusammenhang zwischen zwei quantitativen Merkmalen ist es eine Korrelation
Besteht Zusammenhang zwischen zwei qualitativen Merkmalen ist es eine Kontingenz
Beispiel Skript : Lernumfang und Klausurpunktzahl sind positiv korreliert
Alter und Lebenserwartungen sind negativ Korelliert
Bei Berufsgruppen und der sportlichen Aktivität liegt eine Kontingenz vor
3.2 Korrelationsmaße
Korrelationsmaße
bei quantitativen Merkmalen
Zusammenhang zwischen zwei Merkmalen lässt sich durch Streuungsdiagramm darstellen
Daneben git es zwei Korrelationsmaße (statistische Maßzahlen)
Sind auch zur Beurteilung des Zusammenhangs zwischen zwei quantitativen Merkmalen X und Y
Kovarianz symbolisiert durch : hoch c xy- gibt Auskunft über Richtung der Korrelation
Beschreibt ob beide Merkmale positiv oder negativ korreliert sind
Korrelationskoevizient (Bravais/Pearson) symbolisiert durch hoch r xy - beurteilt Intensität des Zusammenhangs
Zusatz Info, aber wird nicht weiter darauf eingegangen
es gibt weitere Korrelationsmaße - von Merkmalsart abhängig
Soll Zusammenhang zwischen 2 Merkmalen untersucht werden von denen mindestens eins komparatives Merkmal ist
Kann Rangkorrelationsskoeffizient nach Spearman verwendet werden
Handelt es sich um zwei Merkmale von denen eins ein qualitatives Merkmal ist, eigent sich Kontingenzkoeffizient
Kovarianz
Kovarianz für zwei quantitative Merkmale X und Y
Formel im Skript Seite 67 oder Karteikarte
Gibt Richtung des Zusammenhangs zwischen zwei quantitativen Merkmalen an
Beispiele Skript Seite 67 / 68
Merke: zur Kovarianz
Richtung der Kovarianz lässt sich wie folgt bewerten:
Ist Kovarianz positiv , d.h hoch c xy > 0, sind zwei quantitative Merkmale X und Y positiv korreliert
Ist Kovarianz negativ d.h. Hoch c xy < 0 sind zwei quantitative Merkmale X und Y negativ korreliert
Ist Kovarianz null d.h. Hoch c xy = 0 sind zwei quantitative Merkmale X und Y nicht korreliert
Kovarianz kann theoretisch jeden Wert annehmen , daher lässt nur die Richtung die Korrelation bestimmen nicht aber die Intensität
Korrelationskoeffizient:
zeigt Stärke des Zusammenhangs zwischen zwei quantitativen Merkmalen
Formel im Skript Seite 71
Konsequenz des Beispiel ist dass Korrelationskoeffizient nur Werte zwischen -1 und +1 annehmen kann
Regeln auf Seite 71
3 weitere wichtige aspekte zur Korrelationskoeffizienten
Er ist nur von null verschieden , wenn ein linearer Zusammenhang zwischen zwei Merkmalen existiert siehe Grafik A Seite74
Zwei Merkmale können auch dann unkorreliert sein, wenn die Punktewolke regellos ist , Grafik B . Positive und negative Zusmmenhänge gleichen sich in diesem fall aus
zwei Merkmale können unabhängig sein. Ausprägung des einen Merkmals hat keinen Einfluss auf Ausprägung des andern. Grafik C. Sind zwei Merkmale unbabhängig voneinander sind sie unkorreliert
Gleiches gilt für Kovarianz, sind zwei Merkmale unkorreliert, dann ist die Kovarianz ebenfalls null
Korrelation sagt nichts über kausale Ursache- Wirkung Beziehung aus
Beispiel und Übungen Seite 75
Last changed2 years ago