Korrelationskoeffizient-Rechner

Dieser Korrelationskoeffizient-Rechner berechnet den Pearson-Produkt-Moment-Korrelationskoeffizienten r zwischen zwei gleich langen Zahlenlisten. Sie erhalten die gepaarte Stichprobengröße n, den Koeffizienten r im geschlossenen Intervall von minus eins bis plus eins, wenn beide Reihen positive Varianz haben, die Mittelwerte von x und y, die Rohsummen und die Summe der Produkte, die zentrierten Quadratsummen und das Kreuzprodukt sxx, syy und sxy, plus Stichproben-Kovarianz mit Bessel-Korrektur. Klassische Testfälle umfassen die Fünf-Punkte-Paarreihe eins bis fünf gegen zwei, vier, sechs, acht, zehn, was perfekte positive Korrelation r gleich eins ergibt, und dasselbe x gegen ein umgekehrtes y, was perfekte negative Korrelation r gleich minus eins ergibt. Die Engine nutzt ausschließlich einen deterministischen Zweipass-Algorithmus: keine Netzwerkaufrufe, keine Zufallsstichproben und keine datumsabhängigen Abkürzungen.

Was Pearson-r misst und was die Antwort enthält

Pearsons Produkt-Moment-Korrelationskoeffizient misst die Stärke und Richtung einer linearen Beziehung zwischen zwei gepaarten numerischen Reihen. Sind die Mittelwerte von x und y bekannt, trägt jede Beobachtung ein Produkt zentrierter Residuen bei; diese Kreuzproduktsumme wird durch das Produkt der Residuenquadratsummen auf jeder Achse skaliert, sodass das Ergebnis einheitenlos ist und zwischen minus eins und plus eins liegt, wann immer beide Reihen variieren.

Ein Wert nahe plus eins bedeutet, dass hohe x-Werte tendenziell mit hohen y-Werten einhergehen; ein Wert nahe minus eins bedeutet, dass sie sich in entgegengesetzte Richtungen bewegen; ein Wert nahe null bedeutet, dass wenig lineare Assoziation besteht, auch wenn ein nichtlineares Muster noch existieren könnte.

Zurückgewiesen werden unter anderem ein fehlendes x- oder y-Feld, leere Listen, weniger als zwei Paare, nicht endliche Einträge wie Infinity oder NaN, nicht-numerische Token, ungleiche Reihenlängen, Arrays länger als das veröffentlichte Maximum, und jeder Fall, in dem alle Werte in x identisch oder alle Werte in y identisch sind, sodass eine Varianz null ist und r undefiniert ist. Die Regeln für gleiche Länge und positive Varianz sind beabsichtigt: Ungleiche Listen würden Paarungen erfinden, und Varianz null würde Division durch null bedeuten.

Wenn Sie Rangkorrelation, Partialkorrelation oder ein vollständiges Mehrspalten-Profil benötigen, nutzen Sie die dafür vorgesehenen Werkzeuge; diese Seite beantwortet ausschließlich Pearson-r für zwei numerische Reihen mit exakter, cachebarer Gleitkomma-Ausgabe, geeignet für Arbeitsblätter, Unit-Tests und Pipelines, die bei jedem Lauf dasselbe r treffen müssen.

Wie x und y gelesen werden und wie der Zweipass-Algorithmus stabil bleibt

Jedes Element wird als endliche Dezimalzahl geparst; optionale führende Vorzeichen und wissenschaftliche Notation sind erlaubt, während leere Token, nackte Buchstaben und nicht-numerische Objekte mit einem Feldindex in der Meldung fehlschlagen, damit eine fehlerhafte Zelle nicht zu einer stillen Null wird. Die Engine erzwingt ein hartes Maximum von zehntausend Paaren und eine Betrag-Obergrenze pro Wert, damit Speicher und Latenz auf dem kostenlosen Browserpfad und auf dem Edge-Worker in einem vorhersehbaren Budget bleiben.

Die Berechnung ist die klassische Zweipass-Methode: zuerst die Mittelwerte von x und y, dann die zentrierten Residuenprodukte sxy und die Residuenquadratsummen sxx und syy, dann r als sxy über die Quadratwurzel aus sxx mal syy, mit Stichproben-Kovarianz als sxy über n minus eins zur Bequemlichkeit neben der Korrelation. Die Rückgabe der Zwischensummen erleichtert es, eine Hausaufgabenantwort zu prüfen oder dieselben Zahlen in eine Tabellenkalkulation einzubinden, die die Rechenformel verwendet.

Wo Pearson-Korrelation bei Studium, Wissenschaft und Produktarbeit Anwendung findet

Studierende begegnen Pearson-r, wenn ein Lehrbuch Korrelation Kausalität gegenüberstellt, wenn ein Laborbericht fragt, ob sich zwei Sensoren gemeinsam bewegen, oder wenn sie eine saubere Prüfung gegen einen Rechner benötigen, der nur ein gerundetes r ohne die Zwischensummen ausgibt. Lehrkräfte können Lösungsschlüssel für moderate gepaarte Reihen vorab erstellen, ohne undurchsichtigen Apps zu vertrauen, die Paare bei fehlenden Zellen fallen lassen oder stillschweigend zwischen Populations- und Stichproben-Kovarianz-Konventionen wechseln.

Entwickler rufen denselben Vertrag aus Skripten auf, um deterministische Testvektoren zu speisen, um Feature-Selektions-Pipelines zu validieren, die Spalten nach |r| ranken, oder um Datenqualitäts-Gates zu erfüllen, die Paare markieren, deren Korrelation zusammenbricht, wenn eine Reihe konstant wird. Analysten nutzen r als ersten Blick auf lineare Assoziation vor dem Anpassen einer Regression; ein großes |r| beweist keine kausale Verbindung, aber ein winziges |r| kann dennoch mit starker nichtlinearer Abhängigkeit koexistieren, sodass die Zahl ein diagnostisches Mittel ist, kein Urteil.

Produkt- und Betriebsteams beobachten die Korrelation zwischen Latenz und Nebenläufigkeit, Warenkorbgröße und Gutscheinnutzung, oder Fehlerrate und Deployment-Größe, um Regressionen zu erkennen, die Einzelvariablen-Dashboards übersehen würden. Kombinieren Sie ihn mit Standardabweichungs-Werkzeugen, wenn Sie univariate Streuung neben bivariater Assoziation benötigen, und mit CSV-Profiling, wenn Sie Mehrspalten-Zusammenfassungen statt zwei benannter Reihen benötigen.