Podcast über Streuungsmaße und Korrelationsanalyse

Kapitoly

Einleitung: Mehr als nur der Durchschnitt

Die Spannweite: Schnell aber empfindlich

Der Quartilsabstand: Die robuste Mitte

Varianz und Standardabweichung: Der Goldstandard

Der Variationskoeffizient

Wenn zwei Merkmale aufeinandertreffen

Die Kovarianz erklärt

Von der Kovarianz zur Korrelation

Was bedeutet der Wert?

Die Tücken der Linearität

Zusammenfassung und Abschied

Přepis

Leon: Stell dir vor, zwei Kurse schreiben dieselbe Klausur und beide haben einen Notendurchschnitt von 2,5. Man würde denken, die sind exakt gleich gut, oder?

Marie: Das ist genau der Punkt! Die meisten Leute denken das, aber es ist falsch. Eine Gruppe könnte total gemischt sein, mit Noten von 1 bis 5, während die andere Gruppe super konstant ist und fast alle eine 2,5 geschrieben haben.

Leon: Ah, also ist der Durchschnitt nur die halbe Wahrheit.

Marie: Genau! Und um die ganze Geschichte zu erzählen, brauchen wir Streuungsmaße. Das ist der Studyfi Podcast.

Leon: Okay, Streuungsmaße. Das klingt... nach komplizierter Mathe. Wo fangen wir am besten an?

Marie: Keine Sorge, das ist super intuitiv. Fangen wir mit dem einfachsten Maß an: der Spannweite.

Leon: Spannweite? Das klingt machbar. Was ist das?

Marie: Die Spannweite, oft mit R abgekürzt, ist einfach der Unterschied zwischen dem größten und dem kleinsten Wert in deinen Daten. Maximum minus Minimum. Fertig.

Leon: Das ist alles? Ernsthaft? Nehmen wir mal dein Beispiel von vorhin, die Anzahl der Kinder von 6 Frauen: Null, eins, zwei, zwei, zwei und drei.

Marie: Perfekt. Der größte Wert ist 3, der kleinste ist 0. Die Spannweite ist also 3 minus 0, was 3 ergibt. Simpel, oder?

Leon: Super simpel. Aber ich wette, es gibt einen Haken. Was ist, wenn eine Frau 10 Kinder hätte und die anderen alle nur eins?

Marie: Exzellenter Punkt! Dann wäre die Spannweite riesig, obwohl die meisten Werte nah beieinander liegen. Die Spannweite ist extrem empfindlich für Ausreißer. Sie lässt sich leicht beeindrucken, könnte man sagen.

Leon: Verstehe. Sie ist ein bisschen dramatisch. Was ist die Alternative für einen kühleren Kopf?

Marie: Die Alternative ist der Quartilsabstand. Er ist der unaufgeregte, vernünftige Cousin der Spannweite.

Leon: Okay, den mag ich jetzt schon. Was macht er?

Marie: Statt auf die extremen Ränder zu schauen, konzentriert sich der Quartilsabstand auf die mittleren 50 Prozent der Daten. Du nimmst einfach das dritte Quartil, also den Wert bei 75 Prozent, und ziehst das erste Quartil, den Wert bei 25 Prozent, davon ab.

Leon: Und weil die Ausreißer ganz am Rand liegen, werden sie einfach ignoriert. Clever!

Marie: Ganz genau. Das macht den Quartilsabstand super robust. Man sieht das auch toll in einem sogenannten Boxplot, der genau diese Quartile, den Median und die Extremwerte visualisiert.

Leon: Alles klar. Wir haben also die einfache, aber dramatische Spannweite und den robusten Quartilsabstand. Was gibt es noch?

Marie: Jetzt kommen wir zum Goldstandard in der Statistik: die Varianz und ihre direkte Verwandte, die Standardabweichung.

Leon: Oh, die Namen kenne ich aus dem Unterricht. Die Formeln sahen immer furchteinflößend aus.

Marie: Die sehen nur so aus! Die Idee dahinter ist einfach. Die Varianz misst, wie weit jeder einzelne Datenpunkt im Durchschnitt vom Mittelwert entfernt ist. Man quadriert die Abstände, damit sich positive und negative Abweichungen nicht aufheben.

Leon: Okay, das leuchtet ein. Aber dann hat man doch eine komische Einheit, oder? Wenn wir über Kinder reden, wären das dann

Leon: Okay, Marie, wir haben also die Varianz als superwichtiges Streuungsmaß kennengelernt. Aber was passiert eigentlich, wenn wir unsere Daten mal verändern? Sagen wir, jeder in unserer Klasse bekommt 10 Bonuspunkte in der Prüfung. Ändert das die Streuung?

Marie: Das ist eine tolle Frage, Leon! Und die Antwort ist überraschend einfach: Nein, tut es nicht. Wenn du zu jedem Wert dieselbe Zahl addierst oder subtrahierst, verschiebt sich zwar der Mittelwert, aber die Abstände zwischen den Werten – und damit die Varianz – bleiben exakt gleich.

Leon: Ah, das macht Sinn. Die ganze Gruppe rückt einfach nur auf der Notenskala nach oben.

Marie: Genau. Spannend wird's aber, wenn du jeden Wert mit einer Zahl multiplizierst. Sagen wir, du verdoppelst alle Punktzahlen. Dann wird die neue Varianz viermal so groß. Man rechnet also mit dem Quadrat dieses Faktors.

Leon: Okay, das ist gut zu wissen. Aber ich hab da noch ein praktisches Problem. Wie vergleiche ich die Streuung von zwei komplett unterschiedlichen Dingen? Zum Beispiel... die Körpergrößen von Ameisen und die von Blauwalen?

Marie: Ein sehr anschauliches Beispiel! Dafür gibt es ein cleveres Werkzeug: den Variationskoeffizienten. Der ist quasi der Superheld für solche Vergleiche.

Leon: Ein Superheld? Jetzt bin ich gespannt! Was macht er?

Marie: Er setzt die Standardabweichung ins Verhältnis zum Mittelwert. Man teilt also einfach die Standardabweichung durch den Mittelwert. Das Ergebnis ist eine relative Zahl, ganz ohne Einheit.

Leon: Und so kann ich dann die relative Streuung der Ameisengrößen direkt mit der von Walen vergleichen?

Marie: Exakt. Du siehst dann, welche Gruppe im Verhältnis zu ihrem eigenen Mittelwert stärker streut. Der Schlüssel ist das Wort „relativ“.

Leon: Super, das hilft wirklich. Bisher haben wir uns ja immer nur ein Merkmal pro Person oder Ding angeschaut. Also zum Beispiel nur die Körpergröße. Aber oft will man ja Zusammenhänge finden, oder?

Marie: Absolut! Und damit sind wir bei den sogenannten bivariaten Daten. „Bi“ heißt zwei, „variat“ heißt Merkmal. Wir schauen uns also zwei Merkmale gleichzeitig an.

Leon: Wie zum Beispiel die Fläche eines Landes und sein Bruttoinlandsprodukt?

Marie: Perfektes Beispiel. Für jeden statistische Einheit, also jedes Land, haben wir zwei Werte. Und um die darzustellen, sind einfache Tabellen oft ungeeignet. Stattdessen nehmen wir ein Streudiagramm.

Leon: Ein Streudiagramm, das kenn ich! Das ist diese Punktewolke, richtig?

Marie: Genau diese Punktewolke! Jeder Punkt steht für eine Einheit, zum Beispiel ein Land, mit seinen beiden Werten auf der x- und y-Achse. So sieht man auf einen Blick, ob da ein Muster ist.

Leon: Und gibt's dafür auch eine Kennzahl? Also quasi die „Varianz für zwei Merkmale“?

Marie: Ja, die gibt es! Das ist die Kovarianz. Sie misst den linearen Zusammenhang zwischen den beiden Merkmalen.

Leon: Okay, wie funktioniert die? Sagt sie mir, ob mehr Bier verkauft wird, wenn die Sonne scheint?

Marie: Im Prinzip ja! Die Kovarianz schaut sich für jeden Datenpunkt an: Liegt der x-Wert über seinem Mittelwert UND der y-Wert auch? Oder liegen beide drunter? Wenn das oft zusammen passiert, ist die Kovarianz positiv. Bewegen sie sich gegensätzlich, wird sie negativ.

Leon: Und wenn es gar keinen Zusammenhang gibt, ist sie nahe null. Verstehe!

Marie: Ganz genau. Die Kovarianz gibt uns also die Richtung des Zusammenhangs. Aber um die Stärke zu beurteilen, brauchen wir noch ein weiteres Maß, das darauf aufbaut. Und das ist der Korrelationskoeffizient, den wir uns als Nächstes ansehen.

Leon: Okay, Marie, beim letzten Mal hatten wir die Kovarianz. Die war ja... ein bisschen unhandlich, oder? Eine große Zahl konnte viel oder wenig bedeuten, je nach den Daten.

Marie: Genau, Leon. Das Problem ist, die Kovarianz ist nicht normiert. Aber zum Glück gibt's dafür eine elegante Lösung: den Korrelationskoeffizienten nach Pearson, oft einfach 'r' genannt.

Leon: Ah, der berühmte r-Wert! Was genau macht der denn besser?

Marie: Denk an ihn als die Kovarianz in einem schicken, vergleichbaren Anzug. Wir nehmen die Kovarianz und teilen sie durch das Produkt der Standardabweichungen beider Merkmale.

Leon: Das klingt nach einer komplizierten Formel. Was ist das Ergebnis davon?

Marie: Das Ergebnis ist genial einfach. Der Wert liegt immer, wirklich immer, zwischen -1 und +1. Und das macht ihn universell vergleichbar, egal welche Daten du hast.

Leon: Okay, das ist ein riesiger Vorteil. Eine Skala von -1 bis +1. Wie interpretiere ich die Werte darauf?

Marie: Das ist zweigeteilt. Das Vorzeichen, also plus oder minus, gibt dir die Richtung an. Ein positiver Wert heißt: wenn X steigt, steigt auch Y. Negativ heißt: wenn X steigt, fällt Y.

Leon: Logisch. Und die Zahl selbst, also wie weit sie von der Null entfernt ist?

Marie: Die zeigt die Stärke der *linearen* Beziehung. Ein Wert nahe 1 oder -1, wie zum Beispiel 0,95, ist eine sehr starke Korrelation. Die Punkte auf einem Streudiagramm liegen dann fast perfekt auf einer Geraden.

Leon: Und wenn der Wert eher bei 0,2 liegt?

Marie: Dann gibt es kaum eine lineare Abhängigkeit. Die Punkte sind wie eine wilde Wolke verstreut. Als grobe Faustregel gilt: bis etwa 0,3 ist es keine, bis 0,6 eine schwache und darüber eine starke lineare Korrelation.

Leon: Du betonst immer wieder das Wort „linear“. Warum ist das so wichtig?

Marie: Das ist der Knackpunkt! Pearsons 'r' misst *ausschließlich*, wie gut sich die Daten durch eine Gerade beschreiben lassen. Sonst nichts.

Leon: Und wenn der Zusammenhang gar nicht geradlinig ist?

Marie: Dann kann der Koeffizient total in die Irre führen. Stell dir eine perfekte Parabel vor, so ein schönes 'U'. Da besteht ein glasklarer Zusammenhang zwischen den Werten, oder?

Leon: Ja, absolut. Ein perfekter sogar.

Marie: Trotzdem wäre der Korrelationskoeffizient hier fast bei null! Weil man da eben keine Gerade durchlegen kann.

Leon: Wow, okay. Das ist die Falle, in die man tappen kann. Eine niedrige Korrelation bedeutet also nicht „kein Zusammenhang“, sondern nur „kein *linearer* Zusammenhang“.

Marie: Exakt! Du hast es auf den Punkt gebracht. Deshalb ist es so wichtig, sich immer auch das Streudiagramm anzuschauen. Vertraue niemals blind der reinen Zahl.

Leon: Das ist ein super wichtiger Hinweis. Schauen wir zum Abschluss noch auf ein echtes Beispiel?

Marie: Gerne. Der Bierabsatz in Deutschland über die letzten Jahrzehnte. Da sieht man eine starke negative Korrelation, der Wert ist nahe bei -1. Mit jedem Jahr wurde tendenziell weniger Bier verkauft.

Leon: Die armen Brauereien.

Marie: Ja, aber für uns Statistiker ein wunderschönes, klares Beispiel.

Leon: Perfekt. Damit schließt sich der Kreis für heute. Von den Grundlagen der Merkmale, über Lage- und Streuungsmaße bis hin zur Kovarianz und jetzt dem Korrelationskoeffizienten. Das war ein Ritt!

Marie: Das war es. Aber ich hoffe, es hat allen geholfen, einen besseren Überblick zu bekommen.

Leon: Da bin ich sicher. Vielen Dank, Marie! Und danke euch fürs Zuhören bei dieser Folge des Studyfi Podcasts. Bleibt neugierig und bis zum nächsten Mal!

Marie: Tschüss zusammen!