Korrelationsmatrix

Begriff aus der Stochastik (Wahrscheinlichkeitsrechnung)
(Weitergeleitet von Stichproben-Korrelationsmatrix)

In der Stochastik ist die Korrelationsmatrix eine symmetrische und positiv semidefinite Matrix, die die Korrelation zwischen den Komponenten eines Zufallsvektors erfasst. Die Korrelationsmatrix kann aus der Varianz-Kovarianzmatrix erhalten werden und umgekehrt.

Definition

Bearbeiten

Die Korrelationsmatrix als Matrix aller paarweisen Korrelationskoeffizienten der Elemente eines Zufallsvektors   enthält Informationen über die Korrelationen zwischen seinen Komponenten.[1] Analog zur Varianz-Kovarianzmatrix   ist die Korrelationsmatrix definiert als[2]

 ,

wobei   der Korrelationskoeffizient zwischen   und   ist.

Beispielsweise beinhaltet die zweite Zeile von   die Korrelation von   mit jeder anderen  -Variablen. Die Korrelationsmatrix in der Grundgesamtheit wird als   bzw.   und die Stichproben-Korrelationsmatrix als   bezeichnet. Wenn man die Diagonalmatrix   definiert, dann erhält man   durch   und umgekehrt:

 

oder äquivalent

 .

Eigenschaften

Bearbeiten
  • Sind alle Komponenten des Zufallsvektors   linear unabhängig, so ist   positiv definit.
  • Auf der Hauptdiagonalen wird die Korrelation der Größen mit sich selbst berechnet. Da der Zusammenhang der Größen strikt linear ist, ist die Korrelation auf der Hauptdiagonalen immer eins.
  • Bei Stichprobenziehung aus einer mehrdimensionalen Normalverteilung ist die Stichproben-Korrelationsmatrix   Maximum-Likelihood-Schätzer der Korrelationsmatrix in der Grundgesamtheit  .[3]

Stichproben-Korrelationsmatrix

Bearbeiten

Eine Schätzung der Korrelationsmatrix in der Grundgesamtheit   erhält man, indem man die Korrelationskoeffizienten in der Grundgesamtheit   durch die empirischen Korrelationskoeffizienten (ihre empirischen Gegenstücke)   ersetzt. Dies führt zur Stichproben-Korrelationsmatrix  

 .

Siehe auch

Bearbeiten

Einzelnachweise

Bearbeiten
  1. Ludwig Fahrmeir, Thomas Kneib, Stefan Lang, Brian Marx: Regression: models, methods and applications. Springer Science & Business Media, 2013, ISBN 978-3-642-34332-2, S. 646.ff.
  2. Rencher, Alvin C., und G. Bruce Schaalje: Linear models in statistics., John Wiley & Sons, 2008., S. 77.
  3. Rencher, Alvin C., und G. Bruce Schaalje: Linear models in statistics., John Wiley & Sons, 2008., S. 247.