Streudiagramme — Korrelation, Ausgleichsgerade & Beispiele

Ein Streudiagramm zeigt die Beziehung zwischen zwei numerischen Variablen. Jeder Punkt steht für ein Wertepaar, sodass du schnell erkennen kannst, ob die Daten steigen, fallen, sich stark streuen, Cluster bilden oder ungewöhnliche Punkte enthalten.

Damit ist ein Streudiagramm der schnellste Weg, die Frage zu beantworten, die die meisten Schüler und Schülerinnen tatsächlich haben: „Was passiert in diesen Daten?“ Bevor du Korrelation berechnest oder eine Ausgleichsgerade zeichnest, zeigt dir das Diagramm, ob diese Zusammenfassungen überhaupt sinnvoll sind.

So liest man ein Streudiagramm

Die waagerechte Achse zeigt eine Variable und die senkrechte Achse die andere. Wenn ein Schüler $4$ Stunden gelernt hat und $78$ Punkte erreicht, liegt der Punkt bei $(4,78)$.

Sobald die Punkte im Diagramm eingetragen sind, achte auf das Gesamtmuster:

• Positive Korrelation: Die Punkte steigen tendenziell von links nach rechts.
• Negative Korrelation: Die Punkte fallen tendenziell von links nach rechts.
• Wenig oder keine klare Korrelation: Die Punkte zeigen keinen starken linearen Trend.

Achte außerdem auf Cluster, Lücken und Ausreißer. Reale Daten liegen fast nie exakt auf einer einzigen Geraden, daher geht es darum, den Trend zu erkennen, nicht um perfekte Übereinstimmung.

Was Korrelation in einem Streudiagramm bedeutet

Korrelation beschreibt die Richtung und Stärke einer linearen Beziehung. „Linear“ ist die entscheidende Bedingung: Korrelation fasst zusammen, wie gut die Punkte zu einem geradlinigen Trend passen.

Wenn sich die Punkte um eine ansteigende Gerade gruppieren, ist die Korrelation positiv. Wenn sie sich um eine fallende Gerade gruppieren, ist die Korrelation negativ. Wenn die Punkte ohne klare geradlinige Richtung verstreut wirken, ist die lineare Korrelation schwach oder nahe null.

Ein gekrümmtes Muster kann trotzdem eine echte Beziehung zeigen. Es muss nur keine starke lineare Korrelation haben.

Wann eine Ausgleichsgerade hilft

Eine Ausgleichsgerade ist eine Gerade, die gezeichnet wird, um den allgemeinen Trend der Punkte darzustellen. Sie muss nicht durch jeden Punkt gehen. Ihre Aufgabe ist es, insgesamt nahe an der Punktwolke zu liegen.

Verwende eine Ausgleichsgerade nur dann, wenn das Streudiagramm ungefähr linear ist. In diesem Fall hilft die Gerade bei zwei Dingen:

• den Trend zusammenzufassen
• grobe Vorhersagen innerhalb des beobachteten Bereichs zu machen

Wenn das Muster gekrümmt ist, in Cluster zerfällt oder stark von Ausreißern geprägt wird, kann eine gerade Ausgleichsgerade mehr verbergen als erklären.

Beispiel für ein Streudiagramm: Lernstunden und Quizpunkte

Angenommen, eine Lehrkraft erfasst Lernzeit und Quizpunktzahl von fünf Schülern:

$$(1,55),\ (2,61),\ (3,68),\ (4,74),\ (5,81)$$

Diese Punkte steigen von links nach rechts und liegen ziemlich nahe an einer Geraden. Das bedeutet, dass die Beziehung positiv und ungefähr linear ist.

Hier sind also sowohl die Korrelation als auch eine Ausgleichsgerade sinnvolle Zusammenfassungen. Du würdest erwarten, dass die Ausgleichsgerade eine positive Steigung hat, weil größere Lernzeiten tendenziell mit höheren Quizpunktzahlen zusammengehen.

Füge nun einen zusätzlichen Punkt bei $(5,40)$ hinzu. Der Trend kann immer noch positiv sein, aber dieser Punkt ist ein Ausreißer und könnte die Ausgleichsgerade nach unten ziehen. Genau deshalb sollte das Diagramm vor der Zusammenfassung kommen: Das Bild zeigt dir, ob der Überblick vertrauenswürdig ist.

Häufige Fehler bei Streudiagrammen

Korrelation mit Kausalität verwechseln

Wenn sich zwei Variablen gemeinsam verändern, bedeutet das nicht automatisch, dass die eine die andere verursacht. Ein dritter Faktor kann beide beeinflussen, oder das Muster ist komplizierter, als es zunächst aussieht.

Eine Gerade auf ein gekrümmtes Muster erzwingen

Manche Daten folgen einer Kurve statt einer Geraden. In diesem Fall kann eine lineare Ausgleichsgerade eine irreführende Zusammenfassung liefern.

Ausreißer ignorieren

Ein einzelner ungewöhnlicher Punkt kann den sichtbaren Trend stark verändern. Ausreißer bedeuten nicht immer, dass die Daten falsch sind, aber sie sollten nie ohne Prüfung des Kontexts ignoriert werden.

Vergessen, wofür ein Punkt steht

Ein Streudiagramm funktioniert nur für gepaarte Daten. Jeder Punkt muss aus einer Beobachtung stammen, die sowohl einen $x$-Wert als auch einen $y$-Wert hat.

Wann Streudiagramme verwendet werden

Streudiagramme werden in Statistik, Naturwissenschaften, Wirtschaft und Sozialforschung verwendet, immer dann, wenn du zwei numerische Variablen vergleichen willst. Häufige Beispiele sind Körpergröße und Gewicht, Werbeausgaben und Umsatz oder Lernzeit und Testergebnis.

Sie sind besonders am Anfang einer Analyse nützlich, weil sie Muster sichtbar machen können, die eine einzelne Formel verdeckt, zum Beispiel Cluster, Lücken oder Ausreißer.

Probiere eine ähnliche Aufgabe

Nimm einen kleinen Datensatz mit Wertepaaren und skizziere die Punkte, bevor du die Korrelation berechnest. Stelle dir drei Fragen: Steigt oder fällt das Muster, wirkt es ungefähr linear, und liegen einzelne Punkte ungewöhnlich weit von den anderen entfernt?

Wenn das Muster ungefähr linear aussieht, untersuche dieselben Daten mit einem Korrelationskoeffizienten oder einer einfachen Ausgleichsgeraden. Das ist der natürliche nächste Schritt vom Bild zur Zusammenfassung.