{"id":432,"date":"2023-07-29T23:15:25","date_gmt":"2023-07-29T23:15:25","guid":{"rendered":"https:\/\/statorials.org\/nl\/pearson-correlatiecoefficient\/"},"modified":"2023-07-29T23:15:25","modified_gmt":"2023-07-29T23:15:25","slug":"pearson-correlatiecoefficient","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/pearson-correlatiecoefficient\/","title":{"rendered":"Pearson-correlatieco\u00ebffici\u00ebnt"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">De <strong>Pearson-correlatieco\u00ebffici\u00ebnt<\/strong> (ook bekend als de \u201cproduct-moment correlatieco\u00ebffici\u00ebnt\u201d) is een maatstaf voor de lineaire associatie tussen twee variabelen <em>X<\/em> en <em>Y.<\/em> Deze heeft een waarde tussen -1 en 1 waarbij:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">-1 geeft een perfect negatieve lineaire correlatie aan tussen twee variabelen<\/span><\/li>\n<li> <span style=\"color: #000000;\">0 geeft aan dat er geen lineaire correlatie is tussen twee variabelen<\/span><\/li>\n<li> <span style=\"color: #000000;\">1 geeft een perfect positieve lineaire correlatie aan tussen twee variabelen<\/span><\/li>\n<\/ul>\n<h2> <strong><span style=\"color: #000000;\">De formule voor het vinden van de Pearson-correlatieco\u00ebffici\u00ebnt<\/span><\/strong><\/h2>\n<p> <span style=\"color: #000000;\">De formule voor het vinden van de Pearson-correlatieco\u00ebffici\u00ebnt, aangeduid met <em>r<\/em> , voor een steekproef van gegevens is ( <a href=\"https:\/\/en.wikipedia.org\/wiki\/Pearson_correlation_coefficient\" target=\"_blank\" rel=\"noopener\">via Wikipedia<\/a> ):<\/span><\/p>\n<p> <span style=\"color: #000000;\">U zult deze formule waarschijnlijk nooit met de hand hoeven te berekenen, omdat u software kunt gebruiken om het voor u te doen, maar het is handig om te begrijpen wat deze formule precies doet door een voorbeeld te doorlopen.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Stel dat we de volgende dataset hebben:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-4985 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correlationexemple.jpg\" alt=\"\" width=\"135\" height=\"154\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">Als we deze paren (X, Y) in een spreidingsdiagram plotten, zou het er als volgt uitzien:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-1532 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correl1-1.jpg\" alt=\"Voorbeeld van Pearson-correlatie op een spreidingsdiagram\" width=\"455\" height=\"362\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">Alleen al door naar dit spreidingsdiagram te kijken, kunnen we zien dat er een positief verband bestaat tussen de variabelen X en Y: naarmate X toeneemt, heeft Y de neiging ook toe te nemen.<\/span> <span style=\"color: #000000;\">Maar om precies te kwantificeren hoe positief deze twee variabelen met elkaar samenhangen, moeten we de Pearson-correlatieco\u00ebffici\u00ebnt vinden.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Laten we ons concentreren op de teller van de formule:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Voor elk paar (X, Y) in onze dataset moeten we het verschil vinden tussen de x-waarde en de gemiddelde x-waarde, het verschil tussen de y-waarde en de gemiddelde y-waarde, en deze twee getallen vervolgens met elkaar vermenigvuldigen.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Ons eerste paar (X, Y) is bijvoorbeeld (2, 2). De gemiddelde waarde van x in deze dataset is 5 en de gemiddelde waarde van y in deze dataset is 7. Het verschil tussen de x-waarde van dit paar en de gemiddelde waarde van x is dus 2 \u2013 5 = -3. Het verschil tussen de y-waarde van dit paar en de gemiddelde y-waarde is 2 \u2013 7 = -5. Als we deze twee getallen vermenigvuldigen, krijgen we -3 * -5 = 15.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-1528 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correl3.jpg\" alt=\"Pearson-correlatie met de hand\" width=\"409\" height=\"157\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">Hier is een visueel overzicht van wat we zojuist hebben gedaan:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-1533 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correl3-1.jpg\" alt=\"Pearson-correlatievoorbeeld\" width=\"457\" height=\"356\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">Doe dan dit voor elk paar:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-1534 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correl5.jpg\" alt=\"Pearson-correlatievoorbeeld\" width=\"414\" height=\"156\" srcset=\"\" sizes=\"auto, \"><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-1535 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correl6.jpg\" alt=\"Voorbeeld van Pearson-correlatie op een spreidingsdiagram\" width=\"447\" height=\"352\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">De laatste stap om de teller van de formule te krijgen, is door eenvoudigweg al deze waarden bij elkaar op te tellen:<\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\">15 + 3 +3 + 15 = <strong>36<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Vervolgens vertelt de noemer van de formule ons dat we de som van alle kwadratische verschillen voor x en y moeten vinden, deze twee getallen vervolgens met elkaar moeten vermenigvuldigen en vervolgens de vierkantswortel moeten nemen:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dus eerst vinden we de som van de kwadraten van de verschillen voor x en y:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-1537 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correl7.jpg\" alt=\"\" width=\"529\" height=\"137\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">Vervolgens zullen we deze twee getallen met elkaar vermenigvuldigen: 20 * 68 = 1.360.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Ten slotte nemen we de vierkantswortel: \u221a <span style=\"text-decoration: overline;\">1.360<\/span> = <strong>36,88<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">We ontdekten dus dat de teller van de formule 36 is en de noemer 36,88. Dit betekent dat onze Pearson-correlatieco\u00ebffici\u00ebnt r = 36 \/ 36,88 = <strong>0,976<\/strong> is<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dit getal ligt dicht bij 1, wat aangeeft dat er een sterke positieve lineaire relatie bestaat tussen onze variabelen <em>X<\/em> en <em>Y.<\/em> Dit bevestigt de relatie die we in het spreidingsdiagram hebben waargenomen.<\/span><\/p>\n<h2> <strong><span style=\"color: #000000;\">Bekijk correlaties<\/span><\/strong><\/h2>\n<p> <span style=\"color: #000000;\">Bedenk dat een Pearson-correlatieco\u00ebffici\u00ebnt ons het <strong>type<\/strong> lineaire relatie (positief, negatief, geen) tussen twee variabelen vertelt, evenals de <strong>sterkte<\/strong> van deze relatie (zwak, matig, sterk).<\/span><\/p>\n<p> <span style=\"color: #000000;\">Wanneer we een spreidingsdiagram van twee variabelen maken, kunnen we de werkelijke relatie tussen twee variabelen <em>zien<\/em> . Hier volgen de vele soorten lineaire relaties die we kunnen waarnemen:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Sterk, positief verband:<\/strong> Naarmate de variabele op de x-as toeneemt, neemt de variabele op de y-as ook toe. De punten liggen dicht bij elkaar, wat wijst op een sterke relatie.<\/span> <span style=\"color: #000000;\"><img decoding=\"async\" loading=\"lazy\" class=\"wp-image-616 size-full aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/pos_strong.jpg\" alt=\"\" width=\"323\" height=\"301\" srcset=\"\" sizes=\"auto, \"><\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\">Pearson-correlatieco\u00ebffici\u00ebnt: <strong>0,94<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Zwakke en positieve relatie:<\/strong> Naarmate de variabele op de x-as toeneemt, neemt de variabele op de y-as ook toe. De punten liggen nogal verspreid, wat wijst op een zwakke relatie.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-618 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/pos_faible.jpg\" alt=\"\" width=\"323\" height=\"297\" srcset=\"\" sizes=\"auto, \"><\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\">Pearson-correlatieco\u00ebffici\u00ebnt: <strong>0,44<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Geen relatie:<\/strong> Er is geen duidelijke relatie (positief of negatief) tussen de variabelen.<\/span> <\/p>\n<p style=\"text-align: center;\"><img decoding=\"async\" loading=\"lazy\" class=\"wp-image-621 size-full aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/aucun.jpg\" alt=\"\" width=\"324\" height=\"296\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\">Pearson-correlatieco\u00ebffici\u00ebnt: <strong>0,03<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Sterk, negatief verband:<\/strong> Naarmate de variabele op de x-as toeneemt, neemt de variabele op de y-as af. De punten liggen dicht op elkaar, wat wijst op een sterke relatie.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-622 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/neg_strong.jpg\" alt=\"\" width=\"321\" height=\"297\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\">Pearson-correlatieco\u00ebffici\u00ebnt: <strong>-0,87<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Zwakke en negatieve relatie:<\/strong> Naarmate de variabele op de x-as toeneemt, neemt de variabele op de y-as af. De punten liggen nogal verspreid, wat wijst op een zwakke relatie.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-625 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/negatif_faible.jpg\" alt=\"\" width=\"324\" height=\"296\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\">Pearson-correlatieco\u00ebffici\u00ebnt: \u2013 <strong>0,46<\/strong><\/span><\/p>\n<h2> <strong>Het testen van de significantie van een Pearson-correlatieco\u00ebffici\u00ebnt<\/strong><\/h2>\n<p> <span style=\"color: #000000;\">Wanneer we de Pearson-correlatieco\u00ebffici\u00ebnt voor een reeks gegevens vinden, werken we vaak met een <em>steekproef<\/em> van gegevens uit een grotere <em>populatie<\/em> . Dit betekent dat het mogelijk is om een correlatie anders dan nul te vinden voor twee variabelen, zelfs als deze feitelijk niet gecorreleerd zijn in de totale populatie.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Stel dat we bijvoorbeeld voor elk gegevenspunt in de gehele populatie een spreidingsdiagram maken voor de variabelen <em>X<\/em> en <em>Y<\/em> , en dat ziet er als volgt uit:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-1543 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correl12.jpg\" alt=\"Voorbeeld van nulcorrelatie\" width=\"466\" height=\"251\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">Het is duidelijk dat deze twee variabelen niet met elkaar gecorreleerd zijn. Het is echter mogelijk dat wanneer we een steekproef van 10 punten uit de populatie nemen, we de volgende punten kiezen:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-1544 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correl13.jpg\" alt=\"Correlatie voorbeeld\" width=\"460\" height=\"244\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">We kunnen zien dat de Pearson-correlatieco\u00ebffici\u00ebnt voor deze steekproef van punten 0,93 bedraagt, wat wijst op een sterke positieve correlatie, ook al is de populatiecorrelatie nul.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Om te testen of een correlatie tussen twee variabelen statistisch significant is of niet, kunnen we de volgende teststatistiek vinden:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Teststatistiek T = r * \u221a <span style=\"text-decoration: overline;\">(n-2) \/ (1-r <sup>2<\/sup> )<\/span><\/span><\/p>\n<p> <span style=\"color: #000000;\">waarbij <em>n<\/em> het aantal paren in onze steekproef is, <em>r<\/em> de Pearson-correlatieco\u00ebffici\u00ebnt is en de T-teststatistiek een verdeling volgt met n-2 vrijheidsgraden.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Laten we een voorbeeld bekijken van hoe u de significantie van een Pearson-correlatieco\u00ebffici\u00ebnt kunt testen.<\/span><\/p>\n<h3> <strong><span style=\"color: #000000;\">Voorbeeld<\/span><\/strong><\/h3>\n<p> <span style=\"color: #000000;\">De volgende dataset toont de lengte en het gewicht van 12 personen:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-4986 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correlationexemple2.jpg\" alt=\"\" width=\"193\" height=\"266\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">Het onderstaande spreidingsdiagram toont de waarde van deze twee variabelen:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-1547 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correl15.jpg\" alt=\"Correlatie Spreidingsdiagram\" width=\"461\" height=\"335\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">De Pearson-correlatieco\u00ebffici\u00ebnt voor deze twee variabelen is r = 0,836.<\/span><\/p>\n<p> <span style=\"color: #000000;\">De teststatistiek T = 0,836 * \u221a <span style=\"text-decoration: overline;\"><span style=\"color: #000000; text-decoration: overline;\">(12<\/span> -2) \/ (1-0,836 <sup>2<\/sup> )<\/span> = 4,804.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Volgens onze t-verdelingscalculator heeft een score van 4,804 met 10 vrijheidsgraden een p-waarde van 0,0007. Omdat 0,0007 &lt; 0,05 kunnen we concluderen dat de correlatie tussen gewicht en lengte in dit voorbeeld statistisch significant is bij alfa = 0,05.<\/span><\/p>\n<h2> <strong><span style=\"color: #000000;\">Voorzorgsmaatregelen<\/span><\/strong><\/h2>\n<p> <span style=\"color: #000000;\">Hoewel een Pearson-correlatieco\u00ebffici\u00ebnt nuttig kan zijn om ons te vertellen of twee variabelen al dan niet een lineair verband hebben, moeten we drie dingen in gedachten houden bij het interpreteren van een Pearson-correlatieco\u00ebffici\u00ebnt:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1. Correlatie impliceert geen oorzakelijk verband.<\/strong> Het is niet omdat twee variabelen gecorreleerd zijn dat de ene er noodzakelijkerwijs <em>voor zorgt<\/em> dat de andere vaker of minder vaak voorkomt. Een klassiek voorbeeld hiervan is de positieve correlatie tussen de verkoop van ijs en aanvallen van haaien. Wanneer de verkoop van ijs in bepaalde periodes van het jaar toeneemt, nemen de aanvallen van haaien ook toe.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Betekent dit dat het eten van ijs haaienaanvallen <em>veroorzaakt<\/em> ? Natuurlijk niet! Dit betekent eenvoudigweg dat in de zomer het ijsverbruik en de aanvallen van haaien toenemen, omdat ijs in de zomer populairder is en er in de zomer meer mensen de oceaan in gaan.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>2. Correlaties zijn gevoelig voor uitschieters.<\/strong> Een extreme uitbijter kan een Pearson-correlatieco\u00ebffici\u00ebnt aanzienlijk veranderen. Beschouw het onderstaande voorbeeld:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-1539 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correl9.jpg\" alt=\"Voorbeeld van correlatie-uitschieters\" width=\"454\" height=\"306\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">De variabelen <em>X<\/em> en <em>Y<\/em> hebben een Pearson-correlatieco\u00ebffici\u00ebnt van <strong>0,00<\/strong> . Maar stel je voor dat we een uitbijter in de dataset hebben:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-1540 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correl10.jpg\" alt=\"Pearson-correlatievoorbeeld\" width=\"456\" height=\"305\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">De Pearson-correlatieco\u00ebffici\u00ebnt voor deze twee variabelen is echter <strong>0,878<\/strong> . Deze ene uitbijter verandert alles. Dit is de reden waarom het bij het berekenen van de correlatie voor twee variabelen een goed idee is om de variabelen te visualiseren met behulp van een spreidingsdiagram om te controleren op uitschieters.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>3. Een Pearson-correlatieco\u00ebffici\u00ebnt geeft geen niet-lineaire relaties tussen twee variabelen weer.<\/strong> Laten we ons voorstellen dat we twee variabelen hebben met de volgende relatie:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-1541 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correl11.jpg\" alt=\"Correlatie voor een niet-lineaire relatie\" width=\"448\" height=\"307\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">De Pearson-correlatieco\u00ebffici\u00ebnt voor deze twee variabelen is 0,00 omdat ze geen lineair verband hebben. Deze twee variabelen hebben echter een niet-lineair verband: de y-waarden zijn simpelweg de x-waarden in het kwadraat.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Houd er bij het gebruik van de Pearson-correlatieco\u00ebffici\u00ebnt rekening mee dat u eenvoudigweg test of twee variabelen <em>lineair<\/em> gerelateerd zijn. Zelfs als een Pearson-correlatieco\u00ebffici\u00ebnt ons vertelt dat twee variabelen niet gecorreleerd zijn, kunnen ze nog steeds een soort niet-lineaire relatie hebben. Dit is nog een reden waarom het nuttig is om een spreidingsdiagram te maken bij het analyseren van de relatie tussen twee variabelen: het kan je helpen een niet-lineaire relatie te detecteren.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>De Pearson-correlatieco\u00ebffici\u00ebnt (ook bekend als de \u201cproduct-moment correlatieco\u00ebffici\u00ebnt\u201d) is een maatstaf voor de lineaire associatie tussen twee variabelen X en Y. Deze heeft een waarde 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 [&hellip;]<\/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-432","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Pearson-correlatieco\u00ebffici\u00ebnt - Statorialen<\/title>\n<meta name=\"description\" content=\"In deze tutorial wordt uitgelegd hoe u de Pearson-correlatieco\u00ebffici\u00ebnt kunt vinden, die een maatstaf is voor de lineaire associatie tussen twee variabelen X en Y.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/nl\/pearson-correlatiecoefficient\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Pearson-correlatieco\u00ebffici\u00ebnt - Statorialen\" \/>\n<meta property=\"og:description\" content=\"In deze tutorial wordt uitgelegd hoe u de Pearson-correlatieco\u00ebffici\u00ebnt kunt vinden, die een maatstaf is voor de lineaire associatie tussen twee variabelen X en Y.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/nl\/pearson-correlatiecoefficient\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-29T23:15:25+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correlationexemple.jpg\" \/>\n<meta name=\"author\" content=\"Dr.benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dr.benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"7\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/nl\/pearson-correlatiecoefficient\/\",\"url\":\"https:\/\/statorials.org\/nl\/pearson-correlatiecoefficient\/\",\"name\":\"Pearson-correlatieco\u00ebffici\u00ebnt - Statorialen\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/nl\/#website\"},\"datePublished\":\"2023-07-29T23:15:25+00:00\",\"dateModified\":\"2023-07-29T23:15:25+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219\"},\"description\":\"In deze tutorial wordt uitgelegd hoe u de Pearson-correlatieco\u00ebffici\u00ebnt kunt vinden, die een maatstaf is voor de lineaire associatie tussen twee variabelen X en Y.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/nl\/pearson-correlatiecoefficient\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/nl\/pearson-correlatiecoefficient\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/nl\/pearson-correlatiecoefficient\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Thuis\",\"item\":\"https:\/\/statorials.org\/nl\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Pearson-correlatieco\u00ebffici\u00ebnt\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/nl\/#website\",\"url\":\"https:\/\/statorials.org\/nl\/\",\"name\":\"Statorials\",\"description\":\"Uw gids voor statistische competentie\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/nl\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219\",\"name\":\"Dr.benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Dr.benjamin anderson\"},\"description\":\"Ik ben Benjamin, een gepensioneerde hoogleraar statistiek die nu een toegewijde Statorials-lesgever is. Ik heb uitgebreide ervaring en expertise op het gebied van statistiek en ik ben vastbesloten om mijn kennis te delen met studenten via Statorials. Lees verder\",\"sameAs\":[\"http:\/\/statorials.org\/nl\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Pearson-correlatieco\u00ebffici\u00ebnt - Statorialen","description":"In deze tutorial wordt uitgelegd hoe u de Pearson-correlatieco\u00ebffici\u00ebnt kunt vinden, die een maatstaf is voor de lineaire associatie tussen twee variabelen X en Y.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/nl\/pearson-correlatiecoefficient\/","og_locale":"de_DE","og_type":"article","og_title":"Pearson-correlatieco\u00ebffici\u00ebnt - Statorialen","og_description":"In deze tutorial wordt uitgelegd hoe u de Pearson-correlatieco\u00ebffici\u00ebnt kunt vinden, die een maatstaf is voor de lineaire associatie tussen twee variabelen X en Y.","og_url":"https:\/\/statorials.org\/nl\/pearson-correlatiecoefficient\/","og_site_name":"Statorials","article_published_time":"2023-07-29T23:15:25+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/correlationexemple.jpg"}],"author":"Dr.benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"Dr.benjamin anderson","Gesch\u00e4tzte Lesezeit":"7\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/nl\/pearson-correlatiecoefficient\/","url":"https:\/\/statorials.org\/nl\/pearson-correlatiecoefficient\/","name":"Pearson-correlatieco\u00ebffici\u00ebnt - Statorialen","isPartOf":{"@id":"https:\/\/statorials.org\/nl\/#website"},"datePublished":"2023-07-29T23:15:25+00:00","dateModified":"2023-07-29T23:15:25+00:00","author":{"@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219"},"description":"In deze tutorial wordt uitgelegd hoe u de Pearson-correlatieco\u00ebffici\u00ebnt kunt vinden, die een maatstaf is voor de lineaire associatie tussen twee variabelen X en Y.","breadcrumb":{"@id":"https:\/\/statorials.org\/nl\/pearson-correlatiecoefficient\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/nl\/pearson-correlatiecoefficient\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/nl\/pearson-correlatiecoefficient\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Thuis","item":"https:\/\/statorials.org\/nl\/"},{"@type":"ListItem","position":2,"name":"Pearson-correlatieco\u00ebffici\u00ebnt"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/nl\/#website","url":"https:\/\/statorials.org\/nl\/","name":"Statorials","description":"Uw gids voor statistische competentie","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/nl\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Person","@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219","name":"Dr.benjamin anderson","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Dr.benjamin anderson"},"description":"Ik ben Benjamin, een gepensioneerde hoogleraar statistiek die nu een toegewijde Statorials-lesgever is. Ik heb uitgebreide ervaring en expertise op het gebied van statistiek en ik ben vastbesloten om mijn kennis te delen met studenten via Statorials. Lees verder","sameAs":["http:\/\/statorials.org\/nl"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts\/432","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/comments?post=432"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts\/432\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/media?parent=432"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/categories?post=432"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/tags?post=432"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}