100% satisfaction guarantee Immediately available after payment Both online and in PDF No strings attached
logo-home
Korrelation und Regression $33.25   Add to cart

Class notes

Korrelation und Regression

 1 view  0 purchase
  • Course
  • Institution

Korrelation und Regression sind zwei wichtige Konzepte der statistischen Analyse, die dazu verwendet werden können, die Beziehung zwischen verschiedenen Variablen zu untersuchen und vorherzusagen.

Preview 1 out of 2  pages

  • May 11, 2023
  • 2
  • 2022/2023
  • Class notes
  • Christoph becker und florence micol
  • All classes
avatar-seller
Korrelation und Regression sind zwei wichtige Konzepte der statistischen Analyse, die dazu verwendet
werden können, die Beziehung zwischen verschiedenen Variablen zu untersuchen und
vorherzusagen.

Korrelation bezieht sich auf die Stärke und Richtung der Beziehung zwischen zwei Variablen. Eine
positive Korrelation bedeutet, dass sich die beiden Variablen zusammen bewegen, d.h. wenn eine
Variable steigt, steigt auch die andere Variable. Eine negative Korrelation bedeutet, dass sich die
beiden Variablen in entgegengesetzte Richtungen bewegen, d.h. wenn eine Variable steigt, fällt die
andere Variable. Eine Korrelation von 0 bedeutet, dass es keine Beziehung zwischen den beiden
Variablen gibt.

Die Stärke der Korrelation kann durch den Korrelationskoeffizienten gemessen werden, der einen
Wert zwischen -1 und 1 hat. Ein Korrelationskoeffizient von -1 bedeutet eine perfekte negative
Korrelation, ein Wert von 0 bedeutet keine Korrelation und ein Wert von 1 bedeutet eine perfekte
positive Korrelation.

Regression hingegen ist ein Verfahren, das verwendet wird, um die Beziehung zwischen einer
abhängigen und einer oder mehreren unabhängigen Variablen zu modellieren und vorherzusagen.
Die abhängige Variable ist diejenige, die vorhergesagt werden soll, während die unabhängigen
Variablen diejenigen sind, die zur Vorhersage verwendet werden. Die Regression kann verwendet
werden, um die Stärke und Richtung der Beziehung zwischen den Variablen zu bestimmen und um
Vorhersagen über die abhängige Variable zu treffen.

Es gibt verschiedene Arten von Regressionsmodellen, darunter lineare Regression, multiple
Regression und logistische Regression. Lineare Regression ist das am häufigsten verwendete
Regressionsmodell und es wird verwendet, wenn es eine lineare Beziehung zwischen den
unabhängigen und abhängigen Variablen gibt. Multiple Regression wird verwendet, wenn es mehrere
unabhängige Variablen gibt, die die abhängige Variable vorhersagen sollen, während die logistische
Regression verwendet wird, wenn die abhängige Variable binär ist, d.h. nur zwei mögliche Werte hat.

Zusammenfassend können Korrelation und Regression verwendet werden, um die Beziehung
zwischen Variablen zu untersuchen und Vorhersagen zu treffen. Es ist jedoch wichtig zu beachten,
dass Korrelation keine Kausalität bedeutet und dass Regressionsmodelle nur so gut sind wie die
Daten, die in sie eingespeist werden. Es ist daher wichtig, die Daten sorgfältig zu analysieren und die
Ergebnisse in ihrem Kontext zu interpretieren, um zu vermeiden, falsche Schlussfolgerungen zu
ziehen.

Um Korrelation und Regression besser zu verstehen, können wir einige Beispiele betrachten:

Ein Beispiel für eine positive Korrelation wäre die Beziehung zwischen der Anzahl der Stunden, die ein
Student für eine Prüfung studiert, und der Note, die er/sie erhält. Je mehr Stunden ein Student
studiert, desto höher ist die Wahrscheinlichkeit, dass er/sie eine bessere Note erhält.

Ein Beispiel für eine negative Korrelation wäre die Beziehung zwischen der Anzahl der Stunden, die
eine Person schläft, und ihrem/ihrem Körpergewicht. Je weniger Stunden eine Person schläft, desto
höher ist die Wahrscheinlichkeit, dass sie ein höheres Körpergewicht hat.

Ein Beispiel für eine lineare Regression wäre die Beziehung zwischen dem Alter eines Autos und
seinem Wert. Wenn wir Daten zu Autos sammeln und ihre Werte basierend auf ihrem Alter
analysieren, können wir eine lineare Regression verwenden, um vorherzusagen, wie viel ein Auto
wert ist, wenn es ein bestimmtes Alter erreicht.

The benefits of buying summaries with Stuvia:

Guaranteed quality through customer reviews

Guaranteed quality through customer reviews

Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.

Quick and easy check-out

Quick and easy check-out

You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.

Focus on what matters

Focus on what matters

Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!

Frequently asked questions

What do I get when I buy this document?

You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.

Satisfaction guarantee: how does it work?

Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.

Who am I buying these notes from?

Stuvia is a marketplace, so you are not buying this document from us, but from seller fanatesfamariam. Stuvia facilitates payment to the seller.

Will I be stuck with a subscription?

No, you only buy these notes for $33.25. You're not tied to anything after your purchase.

Can Stuvia be trusted?

4.6 stars on Google & Trustpilot (+1000 reviews)

72042 documents were sold in the last 30 days

Founded in 2010, the go-to place to buy study notes for 14 years now

Start selling
$33.25
  • (0)
  Add to cart