Diese Art der Korrelation ist gef\u00e4hrlich, da sie manchmal suggerieren kann, dass eine Variable eine andere verursacht, obwohl die Korrelation in Wirklichkeit rein zuf\u00e4llig besteht.<\/span><\/p>\n Es stellt sich heraus, dass diese Art der Korrelation zwischen Variablen im wirklichen Leben st\u00e4ndig vorkommt.<\/span><\/p>\n Die folgenden Beispiele zeigen f\u00fcnf verschiedene reale Beispiele falscher Korrelation.<\/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 Dies bedeutet nicht, dass die Vergabe weiterer Master-Abschl\u00fcsse jedes Jahr zu h\u00f6heren Einnahmen an den Kinokassen f\u00fchrt.<\/span><\/p>\n 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 Die Korrelation zwischen den beiden Variablen ist falsch.<\/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 Dies bedeutet nicht, dass die Reduzierung der Masernf\u00e4lle irgendwie zu niedrigeren Heiratsraten f\u00fchrt. Die beiden Variablen sind unabh\u00e4ngig.<\/span><\/p>\n Die moderne Medizin f\u00fchrt lediglich dazu, dass die Masernf\u00e4lle zur\u00fcckgehen und aus verschiedenen Gr\u00fcnden jedes Jahr weniger Menschen heiraten.<\/span><\/p>\n Die Korrelation zwischen den beiden Variablen ist falsch.<\/span><\/p>\n Wenn wir jedes Jahr Daten \u00fcber die Gesamtzahl der High-School-Absolventen und den gesamten Donut-Verbrauch in den Vereinigten Staaten sammeln w\u00fcrden, w\u00fcrden wir feststellen, dass die beiden Variablen stark korrelieren.<\/span> <\/p>\n Dies bedeutet nicht, dass der Anstieg der Zahl der High-School-Absolventen zu einem erh\u00f6hten Donut-Konsum in den Vereinigten Staaten f\u00fchrt.<\/span><\/p>\n 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 Gesamtzahl der konsumierten Donuts mit zunehmender Bev\u00f6lkerung zunimmt.<\/span><\/p>\n Das ist eine falsche Korrelation.<\/span><\/p>\n Wenn wir Daten \u00fcber den j\u00e4hrlichen Gesamtumsatz von Videospielen weltweit und die gesamte von Kernkraftwerken erzeugte Energie sammeln w\u00fcrden, w\u00fcrden wir feststellen, dass die beiden Variablen stark korrelieren.<\/span> <\/p>\n Dies bedeutet nicht, dass h\u00f6here Videospielverk\u00e4ufe zu einer erh\u00f6hten Atomstromproduktion f\u00fchren.<\/span><\/p>\n Stattdessen werden mehr Atomkraftwerke gebaut und mehr Videospiele verkauft, da die Weltbev\u00f6lkerung jedes Jahr w\u00e4chst.<\/span><\/p>\n Auch wenn beide Gr\u00f6\u00dfen im Laufe der Zeit kontinuierlich zunehmen, ist die eine nicht die Ursache f\u00fcr die andere. Die Korrelation zwischen den beiden ist falsch.<\/span><\/p>\n Wenn wir Daten \u00fcber die Gesamteinnahmen der Spielhallen in den Vereinigten Staaten und die Gesamtzahl der Arbeitspl\u00e4tze im Kohlebergbau in den Vereinigten Staaten sammeln, w\u00fcrden wir feststellen, dass die beiden Variablen stark korrelieren.<\/span> <\/p>\n Dies bedeutet nicht, dass eine Variable dazu f\u00fchrt, dass die andere abnimmt.<\/span><\/p>\n Stattdessen sind Spielhallen und Kohlebergwerke im Laufe der Jahre seltener geworden, was erkl\u00e4rt, warum beide Variablen ungef\u00e4hr im gleichen Ausma\u00df zur\u00fcckgegangen sind.<\/span><\/p>\n Die Korrelation zwischen den beiden Variablen ist falsch.<\/span><\/p>\n Die folgenden Tutorials bieten reale Beispiele f\u00fcr andere statistische Konzepte:<\/span><\/p>\n Beispiele f\u00fcr die Verwendung von Wahrscheinlichkeiten im wirklichen Leben<\/a> Als Scheinkorrelation bezeichnet man in der Statistik eine Korrelation zwischen zwei Variablen, die rein zuf\u00e4llig auftritt, ohne dass eine Variable tats\u00e4chlich die andere verursacht. Diese Art der Korrelation ist gef\u00e4hrlich, da sie manchmal suggerieren kann, dass eine Variable eine andere verursacht, obwohl die Korrelation in Wirklichkeit rein zuf\u00e4llig besteht. Es stellt sich heraus, dass diese […]<\/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: Meisterschaften und Einnahmen an den Kinokassen<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/corrcause2.png\")
<\/p>\n Beispiel 2: Masernf\u00e4lle im Verh\u00e4ltnis zur Heiratsrate<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/corrcause4.png\")
<\/p>\n Beispiel 3: Abiturienten im Verh\u00e4ltnis zum Donutkonsum<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/faux3.jpg\")
<\/p>\n Beispiel 4: Videospielverk\u00e4ufe versus Atomstromproduktion<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/faux4.jpg\")
<\/p>\n Beispiel 5: Arkadeneinkommen vs. Jobs im Kohlebergwerk<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/faux5.jpg\")
<\/p>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
Beispiele f\u00fcr die Verwendung von Korrelationen im wirklichen Leben<\/a>
Beispiele f\u00fcr die Verwendung von Mittelwert, Median und Modus im wirklichen Leben<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"