LNTwww

Bei statististischer Unabhängigkeit der beiden Komponenten x und y (genauer gesagt: wenn x und y unkorreliert sind) ist die Kovarianz µ_xy = 0. Sind dagegen x und y voll korreliert (z. B.: y = K · x), so ergibt sich bei positivem Wert von K für die Kovarianz: µ_xy = σ_x · σ_y. Deshalb verwendet man als Beschreibungsgröße häufig anstelle der Kovarianz den Korrelationskoeffizienten:

Dieser weist folgende Eigenschaften auf:

Aufgrund der Normierung gilt stets -1 ≤ ρ_xy ≤ +1.
Sind die beiden Zufallsgrößen x und y unkorreliert, so ist ρ_xy = 0.
Bei strenger linearer Abhängigkeit (das heißt, falls x und y direkt proportional sind) ist ρ_xy= ±1.

Beispiel: Die hier zugrunde liegenden Zufallsgrößen x und y sind wie im Beispiel auf Seite 4 dieses Abschnitts gaußförmig verteilt mit σ_y < σ_x. Sie sind zudem positiv korreliert, wobei ρ_xy = 0.8 beträgt.

Ein positiver Korrelationskoeffizient bedeutet, dass bei größerem x-Wert im statistischen Mittel auch y einen größeren Wert besitzt als bei kleinem x. Dagegen drückt ein negativer Korrelationskoeffizient aus, dass y mit steigendem x im Mittel kleiner wird.