Correlatie

Inleiding in statistiek

George Boorman

Curriculum Manager, DataCamp

Relaties tussen twee variabelen

spreidingsdiagram met maandelijkse sportschoolkosten vs. prijs van een fles water.png

Pearson-correlatiecoëfficiënt

Gepubliceerd door Karl Pearson in 1896!
Kwantificeert de sterkte van een relatie tussen twee variabelen
Getal tussen min één en één
De grootte geeft de sterkte aan
Het teken (+ of -) geeft de richting aan

¹ https://royalsocietypublishing.org/doi/10.1098/rsta.1896.0007

Lineaire relaties

Lineair = evenredige veranderingen tussen afhankelijke en onafhankelijke variabelen

spreidingsdiagram van sportschool- vs. waterkosten met annotaties voor observaties van één dollar water en dertig dollar sportschoolkosten plus anderhalve dollar water en vijfenveertig dollar sportschoolkosten en correlatiecoëfficiënt gelijk aan nul komma zesendertig.png

Waarden = sterkte van de relatie

0,99 (zeer sterke relatie)

Spreidingsdiagram met punten die dicht bij een onzichtbare lijn liggen.png

Waarden = sterkte van de relatie

0,99 (zeer sterke relatie)

Spreidingsdiagram met punten die dicht bij een onzichtbare lijn liggen.png

0,75 (sterke relatie)

Spreidingsdiagram met punten verder van de onzichtbare lijn.png

Waarden = sterkte van de relatie

0,56 (gematigde relatie)

Spreidingsdiagram met punten nog verder van de onzichtbare lijn.png

Waarden = sterkte van de relatie

0,56 (gematigde relatie)

Spreidingsdiagram met punten nog verder van de onzichtbare lijn.png

0,21 (zwakke relatie)

Spreidingsdiagram met punten die bijna volledig willekeurig verspreid lijken.png

Waarden = sterkte van de relatie

0,04 (geen relatie)

Spreidingsdiagram met punten die volledig willekeurig verspreid lijken.png

Als je x kent, zegt dat niets over y

Teken = richting

0,75: als x toeneemt, neemt y toe

Spreidingsdiagram waar y toeneemt als x toeneemt.png

-0,75: als x toeneemt, neemt y af

Spreidingsdiagram waar y afneemt als x toeneemt.png

Sportschoolkosten vs. waterkosten

spreidingsdiagram met maandelijkse sportschoolkosten vs. prijs van een fles water.png

Een trendlijn toevoegen

spreidingsdiagram van maandelijkse sportschoolkosten vs. prijs van een fles water met trendlijn en geannoteerd p gelijk aan nul komma vijfendertig.png

Levensverwachting vs. prijs van een fles water

spreidingsdiagram van levensverwachting vs. prijs van een fles water met trendlijn en p gelijk aan nul komma eenenzestig.png

Correlatie is niet hetzelfde als causaliteit

Zal een hogere waterprijs leiden tot een hogere levensverwachting?

oud stel.png

Correlatie is niet gelijk aan causaliteit

¹ Image credit: https://unsplash.com/@micheile; https://unsplash.com/@jon_chng

Vertekenende variabelen

Wat kan nog meer de levensverwachting beïnvloeden?
- Een fles water is duurder in landen met sterke economieën
- Deze landen bieden vaak toegang tot hoogwaardige gezondheidszorg
De sterkte van de economie kan een vertekenende variabele zijn
- Zo'n variabele wordt niet gemeten, maar kan de relatie tussen onze variabelen beïnvloeden

Laten we oefenen!

Inleiding in statistiek