{"ok": true, "text": "Regression ist wie die Beziehung zwischen meinem Taschengeld und meiner Laune: klarer linearer Zusammenhang, aber Kausalität will Papa nicht anerkennen. 😄 An der Tafel rechnen wir Werbebudget gegen Umsatz durch, danach kommt eine Kontrollfrage.\n\n```tafel Lineare Regression – Gerade durch die Punktwolke\n<h3 data-say=\"Die lineare Regression legt die bestmögliche Gerade durch eine Punktwolke.\">Lineare Regression – die Idee</h3>\n<p data-say=\"Y ist die Größe, die du erklären willst, x die erklärende Größe.\">Gesucht: \\( \\hat{y} = a + b \\cdot x \\). Die Methode der kleinsten Quadrate macht die Summe der quadrierten Residuen \\( e_i = y_i - \\hat{y}_i \\) minimal.</p>\n<div class=\"step\" data-say=\"Die Steigung ist Kovarianz durch Varianz von x. Der Achsenabschnitt folgt über die Mittelwerte.\">\n<b>Formeln</b>\n<div class=\"calc\">\\( b = \\frac{\\sum (x_i - \\bar{x})(y_i - \\bar{y})}{\\sum (x_i - \\bar{x})^2} \\qquad a = \\bar{y} - b \\cdot \\bar{x} \\)</div>\n<div class=\"calc\">\\( R^2 = 1 - \\frac{\\sum e_i^2}{\\sum (y_i - \\bar{y})^2} \\)</div>\n</div>\n<div class=\"example\" data-say=\"Beispiel: Ein Onlinehändler mit sechs Monaten Werbung und Umsatz, alles in Tausend Euro.\">Onlinehändler, sechs Monate, Werte in Tsd. €. Werbung x: 2, 4, 5, 7, 8, 10. Umsatz y: 40, 43, 49, 55, 55, 64.</div>\n<table data-say=\"In der Tabelle stehen die Abweichungen von den Mittelwerten. Die Summen brauchst du gleich.\">\n<tr><th>x</th><th>y</th><th>\\( x - \\bar{x} \\)</th><th>\\( y - \\bar{y} \\)</th><th>Produkt</th><th>\\( (x - \\bar{x})^2 \\)</th></tr>\n<tr><td class=\"n\">2</td><td class=\"n\">40</td><td class=\"n\">−4</td><td class=\"n\">−11</td><td class=\"n\">44</td><td class=\"n\">16</td></tr>\n<tr><td class=\"n\">4</td><td class=\"n\">43</td><td class=\"n\">−2</td><td class=\"n\">−8</td><td class=\"n\">16</td><td class=\"n\">4</td></tr>\n<tr><td class=\"n\">5</td><td class=\"n\">49</td><td class=\"n\">−1</td><td class=\"n\">−2</td><td class=\"n\">2</td><td class=\"n\">1</td></tr>\n<tr><td class=\"n\">7</td><td class=\"n\">55</td><td class=\"n\">1</td><td class=\"n\">4</td><td class=\"n\">4</td><td class=\"n\">1</td></tr>\n<tr><td class=\"n\">8</td><td class=\"n\">55</td><td class=\"n\">2</td><td class=\"n\">4</td><td class=\"n\">8</td><td class=\"n\">4</td></tr>\n<tr><td class=\"n\">10</td><td class=\"n\">64</td><td class=\"n\">4</td><td class=\"n\">13</td><td class=\"n\">52</td><td class=\"n\">16</td></tr>\n<tr><td>Σ 36</td><td>Σ 306</td><td class=\"n\">0</td><td class=\"n\">0</td><td class=\"n\">126</td><td class=\"n\">42</td></tr>\n</table>\n<div class=\"step\" data-say=\"Erst die Mittelwerte, dann Steigung, dann Achsenabschnitt.\">\n<b>Schritt 1 bis 3 – Gerade bestimmen</b>\n<div class=\"calc\">\\( \\bar{x} = \\frac{36}{6} = 6 \\qquad \\bar{y} = \\frac{306}{6} = 51 \\)</div>\n<div class=\"calc\">\\( b = \\frac{126}{42} = 3 \\qquad a = 51 - 3 \\cdot 6 = 33 \\)</div>\n</div>\n<div class=\"step\" data-say=\"Die Residuen sind klein, deshalb ist das Bestimmtheitsmaß hoch.\">\n<b>Schritt 4 – Bestimmtheitsmaß</b>\n<div class=\"calc\">\\( \\sum e_i^2 = 1 + 4 + 1 + 1 + 4 + 1 = 12 \\qquad \\sum (y_i - \\bar{y})^2 = 390 \\)</div>\n<div class=\"calc\">\\( R^2 = 1 - \\frac{12}{390} \\approx 0{,}9692 \\)</div>\n</div>\n<div class=\"result\" data-say=\"Jeder zusätzliche Werbe-Euro geht im Mittel mit drei Euro mehr Umsatz einher.\">\\( \\hat{y} = 33 + 3 \\cdot x \\), \\( R^2 \\approx 0{,}97 \\). Prognose bei 12 Tsd. € Werbung: \\( 33 + 3 \\cdot 12 = 69 \\) Tsd. € Umsatz.</div>\n<div class=\"vs\" data-say=\"Korrelation misst die Stärke, Regression liefert eine Gleichung für Prognosen.\">\n<div><b>Korrelation</b><br>Stärke des Zusammenhangs<br>symmetrisch, \\( r \\) zwischen −1 und 1</div>\n<div><b>Regression</b><br>y wird durch x erklärt<br>Gleichung, Prognosen möglich</div>\n</div>\n<p data-say=\"In der BWL liefert die Regression zum Beispiel Fixkosten und variable Stückkosten.\">Anwendung: Regressiert man Gesamtkosten auf die Menge, schätzt \\( a \\) die Fixkosten und \\( b \\) die variablen Stückkosten. Das Beta im CAPM ist ebenfalls eine Regressionssteigung.</p>\n<div class=\"step\" data-say=\"Ob sich Werbung lohnt, entscheidet der Deckungsbeitrag, nicht der Umsatz.\">\n<b>Lohnt sich ein Werbe-Euro?</b>\n<div class=\"calc\">\\( \\text{DB-Quote } 40\\,\\%: \\quad 3 \\cdot 0{,}4 = 1{,}20 \\) € Deckungsbeitrag je Werbe-Euro, also 0,20 € Überschuss</div>\n</div>\n<div class=\"warn\" data-say=\"Ein hohes R-Quadrat beweist keine Ursache. Und Prognosen weit außerhalb der Daten sind reine Spekulation.\">Typische Falle: \\( R^2 \\approx 0{,}97 \\) heißt nicht, dass Werbung den Umsatz verursacht, vielleicht treibt die Saison beides. Und 30 Tsd. € Werbung → 123 Tsd. € Umsatz wäre eine unbelegte Extrapolation.</div>\n```\n\nKontrollfrage: Der Achsenabschnitt ist 33. Darf der Händler daraus schließen, dass er ohne jede Werbung 33.000 € Umsatz machen würde?", "data": null, "stop": "end_turn", "model": "claude-sonnet-5-5", "tools": [], "quota": {"used": 1, "limit": 150, "left": 149, "pro": false}}