Korrelation und Kovarianz in R – Schritt-für-Schritt-Anleitung mit Beispielen | R-Tutorial 4.12 | MarinStatsLectures

!

In diesem R-Video lernst du, wie man die Pearson-Korrelation, die Spearman-Rangkorrelation und die Kendall-Rangkorrelation berechnet, Konfidenzintervalle erstellt, Hypothesentests durchführt und die Kovarianz in R bestimmt.

Wir nutzen dabei die Funktionen und Argumente von R wie cor, cor.test, cov, pairs und method – und noch mehr.

Die Pearson-Korrelation ist ein parametrisches Maß für den linearen Zusammenhang zwischen zwei numerischen Variablen. Die Spearman-Rangkorrelation ist ein nicht-parametrisches Maß für den monotonen Zusammenhang, während die Kendall-Rangkorrelation ebenfalls nicht-parametrisch ist und auf der Übereinstimmung oder Nicht-Übereinstimmung von x-y-Paaren basiert. Die Kovarianz beschreibt die gemeinsame Variabilität zweier Zufallsvariablen.

Inhaltsverzeichnis:

0:00:08 Wann sollte man die Pearson-Korrelation in Statistik und Forschung verwenden?
0:00:16 Wann sollte man die Spearman-Rangkorrelation in Statistik und Forschung verwenden?
0:00:24 Wann sollte man die Kendall-Rangkorrelation in Statistik und Forschung verwenden?
0:00:54 Wie man die Hilfemenüs in R für Korrelationsfunktionen aufruft
0:01:05 Wie man in R mit der Funktion plot ein Streudiagramm erstellt, um den Zusammenhang zwischen Variablen zu erkunden
0:01:39 Wie man die Korrelation zwischen Variablen mit der Funktion cor in R berechnet
0:01:46 Wie man die Pearson-Korrelation mit dem Argument method in R berechnet
0:02:17 Wie man die Spearman-Rangkorrelation mit dem Argument method in R berechnet
0:02:24 Wie man...