Um diesen Ausdruck besser zu verstehen, betrachten Sie die folgenden konkreten Beispiele.<\/span><\/p>\n Wenn wir jedes Jahr Daten zu den monatlichen Eisverk\u00e4ufen und den monatlichen Hai-Angriffen in den Vereinigten Staaten sammeln w\u00fcrden, w\u00fcrden wir feststellen, dass die beiden Variablen stark korrelieren.<\/span> <\/p>\n Bedeutet das, dass der Verzehr von Eis zu Hai-Angriffen f\u00fchrt?<\/span><\/p>\n Nicht genug. Die wahrscheinlichste Erkl\u00e4rung ist, dass mehr Menschen Eis essen und im Meer schwimmen, wenn es drau\u00dfen w\u00e4rmer ist, was erkl\u00e4rt, warum diese beiden Variablen so stark korrelieren.<\/span><\/p>\n Obwohl Eisverk\u00e4ufe und Hai-Angriffe stark miteinander korrelieren, verursacht das eine nicht das andere.<\/span><\/p>\n Wenn wir Daten \u00fcber die Gesamtzahl der jedes Jahr von Universit\u00e4ten vergebenen Masterabschl\u00fcsse und die pro Jahr erzielten Gesamteinnahmen an den Kinokassen sammeln, w\u00fcrden wir feststellen, dass die beiden Variablen stark korrelieren.<\/span> <\/p>\n Bedeutet das, dass die Vergabe weiterer Master-Abschl\u00fcsse jedes Jahr zu einer Steigerung der Einnahmen an den Kinokassen f\u00fchrt?<\/span><\/p>\n Nicht genug. Die wahrscheinlichste Erkl\u00e4rung ist, dass die Weltbev\u00f6lkerung jedes Jahr w\u00e4chst, was bedeutet, dass jedes Jahr mehr Master-Abschl\u00fcsse verliehen werden und die Zahl der Menschen, die jedes Jahr ins Kino gehen, in etwa im gleichen Verh\u00e4ltnis zunimmt.<\/span><\/p>\n Obwohl diese beiden Variablen korrelieren, verursacht die eine die andere nicht.<\/span><\/p>\n Wenn wir Daten \u00fcber die Gesamtzahl der Schwimmbecken\u00fcberflutungen pro Jahr und die Gesamtenergiemenge, die jedes Jahr von Kernkraftwerken erzeugt wird, sammeln w\u00fcrden, w\u00fcrden wir feststellen, dass die beiden Variablen stark korrelieren.<\/span> <\/p>\n Bedeutet das, dass vermehrtes Ertrinken in Schwimmb\u00e4dern irgendwie zu einer erh\u00f6hten Atomstromproduktion f\u00fchrt?<\/span><\/p>\n Nicht genau. Die wahrscheinlichste Erkl\u00e4rung ist, dass die Weltbev\u00f6lkerung gewachsen ist, was bedeutet, dass immer mehr Menschen in Schwimmb\u00e4dern ertrinken, und dass die Kernenergieerzeugung von Jahr zu Jahr rentabler wird, weshalb sie zugenommen hat.<\/span><\/p>\n Obwohl diese beiden Variablen stark korrelieren, verursacht die eine die andere nicht.<\/span><\/p>\n Wenn wir jedes Jahr Daten zur Gesamtzahl der Masernf\u00e4lle in den Vereinigten Staaten und zur Heiratsrate sammeln w\u00fcrden, w\u00fcrden wir feststellen, dass die beiden Variablen stark korrelieren.<\/span> <\/p>\n Bedeutet das, dass weniger Masernf\u00e4lle zu geringeren Heiratsraten f\u00fchren?<\/span><\/p>\n Nicht genau. Stattdessen sind die beiden Variablen unabh\u00e4ngig voneinander: Die moderne Medizin f\u00fchrt zu einem R\u00fcckgang der Masernf\u00e4lle und aus verschiedenen Gr\u00fcnden heiraten jedes Jahr weniger Menschen.<\/span><\/p>\n Obwohl diese beiden Variablen stark korrelieren, verursacht die eine die andere nicht.<\/span><\/p>\n Wenn wir jedes Jahr Daten zur Gesamtzahl der High-School-Absolventen und zum gesamten Pizzakonsum in den Vereinigten Staaten sammeln w\u00fcrden, w\u00fcrden wir feststellen, dass die beiden Variablen stark korrelieren.<\/span> <\/p>\n Bedeutet dies, dass eine steigende Zahl von High-School-Absolventen zu einem erh\u00f6hten Pizzakonsum in den Vereinigten Staaten f\u00fchrt?<\/span><\/p>\n Nicht genug. Die wahrscheinlichste Erkl\u00e4rung ist, dass die US-Bev\u00f6lkerung im Laufe der Zeit gewachsen ist, was bedeutet, dass die Zahl der Menschen mit einem High-School-Abschluss und die Gesamtmenge der konsumierten Pizza mit zunehmender Bev\u00f6lkerung zunimmt.<\/span><\/p>\n Obwohl diese beiden Variablen korrelieren, verursacht die eine die andere nicht.<\/span><\/p>\n Die folgenden Tutorials bieten zus\u00e4tzliche Informationen zur Korrelation:<\/span><\/p>\n Eine Einf\u00fchrung in den Pearson-Korrelationskoeffizienten<\/a> Der Ausdruck \u201e Korrelation impliziert keine Kausalit\u00e4t \u201c wird in der Statistik h\u00e4ufig verwendet, um zu betonen, dass die Korrelation zwischen zwei Variablen nicht unbedingt bedeutet, dass eine Variable die andere verursacht. Um diesen Ausdruck besser zu verstehen, betrachten Sie die folgenden konkreten Beispiele. Beispiel 1: Eisverkauf und Hai-Angriffe Wenn wir jedes Jahr Daten zu […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Beispiel 1: Eisverkauf und Hai-Angriffe<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/corrcause1.png\")
<\/p>\n Beispiel 2: Meisterschaften und Einnahmen an den Kinokassen<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/corrcause2.png\")
<\/p>\n Beispiel 3: Ertrinkungen in Schwimmb\u00e4dern im Zusammenhang mit der Kernenergieerzeugung<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/corrcause3.png\")
<\/p>\n Beispiel 4: Masernf\u00e4lle im Verh\u00e4ltnis zur Heiratsrate<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/corrcause4.png\")
<\/p>\n Beispiel 5: Abiturienten im Verh\u00e4ltnis zum Pizzakonsum<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/corrcause5.png\")
<\/p>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
Bedeutet Kausalit\u00e4t Korrelation?<\/a>
Korrelation vs. Assoziation: Was ist der Unterschied?<\/a>
Was gilt als \u201estarke\u201c Korrelation?<\/a>
Wann sollten Sie Korrelation verwenden?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"