De waarde van een correlatieco\u00ebffici\u00ebnt ligt altijd tussen -1 en 1 waarbij:<\/span><\/p>\n Als twee variabelen een correlatie van nul hebben, betekent dit dat ze op geen enkele manier gerelateerd zijn. Met andere woorden: het kennen van de waarde van de ene variabele geeft ons geen idee wat de waarde van de andere variabele zou kunnen zijn.<\/span><\/p>\n Als we een spreidingsdiagram maken van twee variabelen die geen correlatie hebben, zal er geen duidelijk patroon in de grafiek te zien zijn:<\/span> <\/p>\n De volgende voorbeelden illustreren scenario’s waarin twee variabelen geen correlatie hebben.<\/span><\/p>\n Voorbeeld 1: Koffieconsumptie versus intelligentie<\/strong><\/span><\/p>\n De hoeveelheid koffie die individuen consumeren en hun IQ-niveau hebben geen correlatie. Met andere woorden: weten hoeveel koffie iemand drinkt, geeft ons geen idee van zijn IQ-niveau.<\/span><\/p>\n Als we een spreidingsdiagram zouden maken van de dagelijkse koffieconsumptie versus het IQ-niveau, zou het er als volgt uitzien:<\/span> <\/p>\n Voorbeeld 2: Lengte- en testscores<\/strong><\/span><\/p>\n De lengte van studenten en hun gemiddelde toetsscores hebben een correlatie van nul. Met andere woorden: het kennen van de lengte van een persoon geeft ons geen idee van zijn gemiddelde examenscore.<\/span><\/p>\n Als we een spreidingsdiagram zouden maken dat de lengte versus de gemiddelde examenscore weergeeft, zou het er als volgt uitzien:<\/span> <\/p>\n Voorbeeld 3: schoenmaat en bekeken films<\/strong><\/span><\/p>\n De schoenmaat van individuen en het aantal films dat ze per jaar bekijken, hebben geen correlatie. Met andere woorden: het kennen van de schoenmaat van een individu geeft ons geen idee hoeveel films hij per jaar kijkt.<\/span><\/p>\n Als we een spreidingsdiagram zouden maken van de schoenmaat versus het aantal bekeken films, zou het er als volgt uitzien:<\/span> <\/p>\n Voorbeeld 4: gewicht en inkomen<\/strong><\/span><\/p>\n Het gewicht van individuen en hun jaarinkomen hebben geen correlatie. Met andere woorden: het kennen van iemands gewicht geeft ons geen idee van wat zijn jaarinkomen zou kunnen zijn.<\/span><\/p>\n Als we een spreidingsdiagram voor gewicht\/inkomen zouden maken, zou het er als volgt uitzien:<\/span> <\/p>\n Een inleiding tot de Pearson-correlatieco\u00ebffici\u00ebnt<\/a> In de statistiek is correlatie een maatstaf voor de lineaire relatie tussen twee variabelen. De waarde van een correlatieco\u00ebffici\u00ebnt ligt altijd tussen -1 en 1 waarbij: -1 geeft een perfect negatieve lineaire correlatie aan tussen twee variabelen 0 geeft aan dat er geen lineaire correlatie is tussen twee variabelen 1 geeft een perfect positieve lineaire […]<\/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":[],"class_list":["post-1575","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n\n
![\"Voorbeeld](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/noncorrelation1.png\")
<\/p>\n Voorbeelden van geen correlatie<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/noncorrelation2.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/noncorrelation3.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/noncorrelation4.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/aucune-correlation5.png\")
<\/p>\n Aanvullende bronnen<\/strong><\/span><\/h3>\n
Correlatie versus vereniging: wat is het verschil?<\/a>
Correlatie versus regressie: wat is het verschil?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"