Pearson‑Korrelation: Einfach erklärt – Ein Überblick

Der Pearson‑Korrelationskoeffizient misst, wie stark zwei numerische Variablen linear zusammenhängen. Er liegt zwischen –1 und +1: +1 bedeutet perfekte positive Korrelation, –1 perfekte negative Korrelation und 0 keine lineare Beziehung.

Stellen Sie sich vor, Sie vergleichen die Körpergröße mit dem Gewicht einer Gruppe von Personen. Wenn größere Menschen tendenziell schwerer sind, ergibt sich ein positiver Korrelationswert nahe +1. Umgekehrt würde ein negativer Wert entstehen, wenn größere Menschen leichter wären.

Ein weiteres Beispiel ist die Beziehung zwischen Lernzeit und Prüfungsergebnis. Je mehr Stunden ein Student pro Woche lernt, desto höher steigen in der Regel die Noten, was sich in einem positiven Korrelationswert widerspiegelt. Wenn die Lernzeit jedoch keinen Einfluss auf die Note hat, liegt der Wert nahe Null.

Der Koeffizient wird aus den Kovarianz- und Standardabweichungswerten der beiden Variablen berechnet. In der Praxis wird er häufig in der Datenanalyse eingesetzt, um Zusammenhänge zu identifizieren, bevor komplexere Modelle entwickelt werden.

Der Beitrag „Pearson‑Correlation Coefficient, Explained Simply“ erschien auf der Plattform Towards Data Science und bietet einen leicht verständlichen Einstieg in dieses wichtige statistische Maß.