Hossa 
Bei einer Korrelation werden zwei gleich große Datenreihen x und y miteinander verglichen:
x_1, x_2, x_3, \ldots, x_n\quad;\quad y_1, y_2, y_3, \ldots, y_n
Im ersten Schritt wird der Mittelwert der Reihen berechnet:
\overline x=\frac{1}{n}\sum\limits_{i=1}^nx_i\quad;\quad\overline y=\frac{1}{n}\sum\limits_{i=1}^ny_i
Dann wird von allen Einzelwerten der Mittelwert subtrahiert und beide Reihen als Vektoren aufgefasst:
\vec x=\left(\begin{array}{c}x_1-\overline x\x_2-\overline x\x_3-\overline x\ \cdots\ x_n-\overline x\end{array}\right)\quad;\quad\vec y=\left(\begin{array}{c}y_1-\overline y\y_2-\overline y\y_3-\overline y\ \cdots\ y_n-\overline y\end{array}\right)
Nun tut man so, als gingen beide Vektoren vom selben Punkt aus und berechnet den Cosinus des Winkels zwischen diesen Vektoren. Dies ist gleich dem Korrelationskoeffizienten r:
r=\cos\angle(\vec x,\vec y)=\frac{\vec x\cdot \vec y}{\left|\vec x\right|\cdot\left|\vec y\right|}=\frac{\sum\limits_{i=1}^n\left(x_i-\overline x\right)\left(y_i-\overline y\right)}{\sqrt{\sum\limits_{i=1}^n\left(x_i-\overline x\right)^2}\cdot\sqrt{\sum\limits_{i=1}^n\left(y_i-\overline y\right)^2}}
Die Korrelation zwischen den beiden Datenreihen ist nun umso höher, je stärker die beiden Datenvektoren in dieselbe Richtung zeigen. Wenn sie parallel sind, ist r=1. Sind sie antiparallel, ist r=-1. Stehen sie senkrecht aufeinander, zeigen sie alles andere als in dieselbe Richtung und korrelieren überhaupt nicht miteinander (r=0).
Die Korrelation nach Pearson ist ,173
Die Signifikanz ist ,005
Dein Korrelationskoeffizient bedeutet, dass der Winkel zwischen den beiden Daten-Vektoren folgenden Wert hat:
\varphi=\angle(\vec x,\vec y)=\arccos®=80.0^o
Die Vektoren stehen also fast senkrecht aufeinander, so dass ihre Korrelation verschwindend gering ist.
Mit anderen Worten, deine Datenreihen korrelieren nur minimal, aber diese minimale Korrelation ist immerhin signifikant
Viele Grüße
Hasenfuß
