Plotting correlated data

Diese Arbeit zeigt auf, dass herkömmliche Fehlerbalken bei korrelierten Unsicherheiten irreführend sind, und schlägt vor, die ersten Hauptkomponenten sowie bedingte Unsicherheiten darzustellen, um die Bewertung der Übereinstimmung zwischen Daten und Modellen zu erleichtern.

Das Wesentliche

Wenn Fehlerbalken lügen: Warum wir Daten anders sehen müssen

Stellen Sie sich vor, Sie sind ein Architekt, der einen Turm baut. Sie haben Messungen für die Höhe jedes Stockwerks. Aber keine Messung ist perfekt; es gibt immer ein bisschen Unsicherheit. Normalerweise zeigen wir diese Unsicherheit in Diagrammen als vertikale Balken um jeden Messpunkt herum.

Die alte Regel war einfach: „Wenn Ihre theoretische Kurve durch die meisten dieser Balken läuft, passt das Modell gut." Das funktioniert super, wenn die Unsicherheiten bei jedem Stockwerk unabhängig voneinander sind.

Aber hier kommt das Problem: In der echten Welt (besonders in der Physik oder bei komplexen Messungen) hängen die Unsicherheiten oft zusammen. Das ist, als ob der ganze Turm auf einem wackeligen Fundament steht. Wenn das Fundament nach links kippt, kippen alle Stockwerke gleichzeitig nach links.

Das Papier von Lukas Koch erklärt, warum unsere alten Diagramme in diesem Fall täuschen, und schlägt neue, klügere Wege vor, diese Daten zu zeigen.

1. Der große Betrug: Warum das alte Bild trügerisch ist

Stellen Sie sich zwei Modelle vor, die versuchen, Ihre Messdaten zu erklären:

• Modell A läuft etwas weiter weg von den Messpunkten, aber es folgt der „Wackel-Richtung" des Fundaments.
• Modell B läuft sehr nah an den Messpunkten vorbei, aber es ignoriert die Wackel-Richtung komplett.

In einem normalen Diagramm sieht Modell B viel besser aus, weil es näher an den Punkten liegt. Aber da die Unsicherheiten korreliert sind (also alle zusammen wackeln), ist Modell B eigentlich katastrophal falsch! Es ist wie ein Schauspieler, der perfekt auf einer Bühne steht, die aber gerade unter ihm einstürzt. Das alte Diagramm zeigt Ihnen nur die Höhe des Schauspielers, nicht aber, dass die Bühne kippt.

2. Lösung 1: Die „Korrelations-Linien" (Das Seil zwischen den Punkten)

Um zu zeigen, dass die Punkte zusammenhängen, schlägt der Autor vor, Linien zwischen den Messpunkten zu zeichnen.

• Die Analogie: Stellen Sie sich vor, die Messpunkte sind Bäume in einem Wald. Wenn der Wind weht, bewegen sie sich alle in die gleiche Richtung.
• Wie es aussieht:
  • Positive Korrelation: Die Linien verbinden die Balken auf der gleichen Seite (z. B. oben mit oben). Das bedeutet: Wenn Punkt 1 hochgeht, geht Punkt 2 auch hoch. Wie zwei Freunde, die sich an den Händen halten und im gleichen Takt tanzen.
  • Negative Korrelation: Die Linien kreuzen sich oder verbinden oben mit unten. Das bedeutet: Wenn Punkt 1 hochgeht, geht Punkt 2 runter. Wie eine Wippe: Wenn ein Kind hochgeht, muss das andere runter.

Diese Linien zeigen Ihnen sofort: „Achtung! Diese Punkte bewegen sich gemeinsam!"

3. Lösung 2: Der „Haupt-Trend" (Der dominante Wind)

Oft gibt es einen Hauptgrund für das Wackeln, der viel stärker ist als alle anderen. In der Statistik nennt man das die erste Hauptkomponente.

• Die Analogie: Stellen Sie sich vor, Sie haben einen Haufen Wackelpudding. Es gibt viele kleine Zitterbewegungen, aber die größte Bewegung ist, dass der ganze Pudding nach links oder rechts rutscht.
• Das neue Diagramm: Der Autor schlägt vor, diesen „großen Rutsch" im Diagramm sichtbar zu machen.
  • Man zeichnet nicht nur einen Balken, sondern einen schraffierten Bereich (wie ein gestreiftes Rechteck).
  • Die Außenkanten zeigen die volle Unsicherheit (inklusive des großen Rutsches).
  • Die Innenkanten zeigen die Unsicherheit, wenn man diesen großen Rutsch herausrechnet.
  • Die Schraffur (Hatching): Die Streifen zeigen die Richtung. Wenn die Streifen auf beiden Seiten des Punktes gleich aussehen, bedeutet das: „Wenn dieser Punkt nach oben rutscht, rutschen die anderen auch nach oben."

Warum ist das wichtig?
Wenn Ihr Modell (die Kurve) auf der „falschen" Seite der Schraffur liegt, ist es falsch, auch wenn es nah am Punkt ist. Es versucht, gegen den dominanten Wind zu schwimmen. Das Diagramm zeigt Ihnen sofort: „Hey, dein Modell passt nicht zur Hauptbewegung der Daten!"

4. Das „Innere" vs. das „Äußere" (Was ist wirklich unsicher?)

Das Diagramm zeigt auch kleine Dreiecke oder Punkte innerhalb der Balken.

• Die Analogie: Stellen Sie sich vor, Sie messen die Temperatur in einem Raum.
  • Die äußere Unsicherheit ist, wenn Sie nicht wissen, ob das Thermostat überhaupt funktioniert (das betrifft den ganzen Raum).
  • Die innere Unsicherheit ist, wenn Sie wissen, dass das Thermostat auf 20 Grad steht, aber Sie immer noch nicht genau wissen, ob es an Ihrem Messort 19,8 oder 20,2 Grad sind.
• Das Diagramm zeigt Ihnen: Wie viel Unsicherheit ist „echtes Rauschen" (innerer Punkt) und wie viel ist nur, weil alles zusammenhängt (der schraffierte Bereich)?

5. Das Fazit: Mehr Information, weniger Lügen

Das Papier sagt im Grunde: Hören Sie auf, nur einfache Balken zu zeichnen, wenn die Daten zusammenhängen!

• Das Problem: Einfache Balken verbergen die Wahrheit über Korrelationen. Sie lassen schlechte Modelle gut aussehen und gute Modelle schlecht aussehen.
• Die Lösung: Fügen Sie visuelle Hinweise hinzu (Linien zwischen Punkten, schraffierte Bereiche für Haupttrends).
• Der Vorteil: Ein Betrachter kann sofort sehen, ob ein Modell die „Wackel-Richtung" der Daten versteht oder nicht.

Zusammenfassend:
Statt nur zu sagen „Ich bin unsicher um diesen Wert herum", sagen diese neuen Diagramme: „Ich bin unsicher um diesen Wert herum, und wenn ich mich bewege, bewegen sich meine Nachbarn genau so mit mir." Das hilft Wissenschaftlern, bessere Entscheidungen zu treffen und Fehler in ihren Modellen schneller zu finden.

Und das Beste: Wenn jemand keine Lust hat, die komplexen Details zu lesen, kann er einfach die äußeren Ränder der Balken ignorieren und sieht trotzdem das alte, vertraute Bild. Die neuen Informationen sind wie eine zusätzliche Ebene, die man ein- oder ausblenden kann.

Technische Zusammenfassung

Titel: Plotting Correlated Data (Darstellung korrelierter Daten)

Autor: Lukas Koch (Johannes Gutenberg-Universität Mainz)
Veröffentlicht: Journal of Data Science, Statistics, and Visualisation (April 2026)

---

1. Problemstellung

In der Datenvisualisierung quantitativer Wissenschaften ist es üblich, Messwerte ($y$) als Funktion fester $x$-Werte darzustellen, wobei Unsicherheiten durch vertikale Fehlerbalken visualisiert werden. Diese Balken repräsentieren typischerweise 68%-Konfidenz- oder Glaubwürdigkeitsintervalle (Frequentistisch oder Bayesianisch).

Das zentrale Problem besteht darin, dass diese Standarddarstellung nur die Diagonalelemente der Kovarianzmatrix (die marginalen Unsicherheiten) zeigt und die Korrelationen zwischen den Datenpunkten (die Off-Diagonal-Elemente) ignoriert.

• Fehlende Intuition: Die gängige Faustregel, dass ein Modell gut passt, wenn es innerhalb von ca. zwei Dritteln der Fehlerbalken liegt, gilt bei korrelierten Unsicherheiten nicht mehr.
• Irreführende Visualisierung: Ein Modell kann innerhalb aller Fehlerbalken liegen, aber aufgrund starker Korrelationen eine extrem schlechte Anpassung (hohes $\chi^2$ oder Mahalanobis-Distanz) aufweisen. Umgekehrt kann ein Modell, das außerhalb der Balken liegt, statistisch akzeptabel sein, wenn die Korrelationen dies erlauben.
• Informationsverlust: Ohne Kenntnis der Kovarianzstruktur ist es unmöglich, die Güte der Anpassung eines Modells visuell zu beurteilen.

2. Methodik und vorgeschlagene Lösungen

Der Autor schlägt vor, zusätzliche Informationen direkt in das Hauptdiagramm zu integrieren, um die Korrelationsstruktur sichtbar zu machen. Es werden drei Haupttechniken vorgestellt:

A. Darstellung der Korrelationsmatrix (Hinton-Diagramme)

• Herausforderung: Herkömmliche Heatmaps für Korrelationsmatrizen sind oft farbabhängig (z. B. divergierende Farbkarten), was sie für Farbenblinde oder Schwarz-Weiß-Drucke unbrauchbar macht.
• Lösung: Verwendung von Hinton-Diagrammen.
  • Der Betrag der Korrelation wird durch die Fläche eines Symbols (z. B. Kreis) dargestellt.
  • Das Vorzeichen (positiv/negativ) wird durch die Farbe (z. B. hell/dunkel oder zwei verschiedene Töne) kodiert.
  • Dies ermöglicht eine klare Unterscheidung zwischen positiven und negativen Korrelationen auch ohne Farbinformation oder bei kleinen Werten.

B. Korrelationslinien zwischen benachbarten Punkten

• Konzept: Um die Korrelation zwischen benachbarten Bins direkt im Hauptplot zu zeigen, werden "Korrelationslinien" eingeführt.
• Darstellung:
  • Zwei Linien verbinden die Fehlerbalken benachbarter Punkte.
  • Die Höhe des Anschlags am Fehlerbalken entspricht dem Betrag des Korrelationskoeffizienten $|\rho|$.
  • Positive Korrelation: Die Linien verbinden die gleichen Seiten der Fehlerbalken.
  • Negative Korrelation (Antikorrelation): Die Linien verbinden die entgegengesetzten Seiten und kreuzen sich zwischen den Punkten.
  • Keine Korrelation: Die Linien fallen zusammen und verbinden die Punkte direkt.
• Interpretation: Diese Linien visualisieren, wie sich die bedingte Erwartung eines Punktes verschiebt, wenn ein Nachbarpunkt fixiert wird. Sie zeigen den Anteil der Unsicherheit, der durch die Korrelation "erklärt" wird.

C. Darstellung der dominanten Hauptkomponente (PCA)

• Konzept: Bei komplexen Korrelationsstrukturen ist oft eine Hauptkomponente (Eigenvektor mit dem größten Eigenwert $\lambda_1$) für den Großteil der Varianz verantwortlich.
• Visualisierung:
  • Es werden zwei Fehlerbalken dargestellt:
    1. Äußere Balken: Die ursprünglichen marginalen Unsicherheiten (basierend auf der vollen Kovarianz $C$).
    2. Innere Balken: Die verbleibenden Unsicherheiten nach Reduktion des Beitrags der ersten Hauptkomponente (Kovarianz $K = C - s^2 \lambda_1 u_1 u_1^T$).
  • Schraffur: Der Bereich zwischen den äußeren und inneren Balken wird schraffiert. Die Art der Schraffur (z. B. rechts- oder linksläufig) gibt die Richtung der Hauptkomponente an (ob die Abweichung in Richtung des positiven oder negativen Eigenvektors liegt).
• Regel für Modellvergleiche:
  • Wenn die Abweichung des Modells von den Daten in die gleiche Richtung wie die Schraffur zeigt (d. h. das Modell liegt auf der "richtigen" Seite der Datenpunkte bezüglich der Hauptkomponente), sollte das Modell mit den äußeren Balken verglichen werden (große Unsicherheit erlaubt die Abweichung).
  • Zeigt die Abweichung in die entgegengesetzte Richtung, muss das Modell mit den inneren Balken verglichen werden (die Abweichung ist durch die verbleibende Unsicherheit nicht gedeckt).

D. Bedingte Unsicherheiten

• Zusätzlich werden bedingte Unsicherheiten (innerhalb der Fehlerbalken, oft als innere Punkte von Dreiecken dargestellt) gezeigt. Diese repräsentieren die Unsicherheit eines Punktes, wenn alle anderen Punkte fixiert sind. Sie geben Aufschluss über starke Einschränkungen im Parameterraum, die in den marginalen Balken nicht sichtbar sind.

3. Ergebnisse und Anwendungsbeispiele

• Synthetisches Beispiel: In einem Beispiel mit drei Datenpunkten zeigt das Standarddiagramm, dass Modell M2 besser aussieht als M1 (liegt näher an den Mittelwerten). Die Analyse der Kovarianz zeigt jedoch, dass M2 aufgrund starker positiver Korrelationen zwischen den Punkten eine katastrophale Anpassung (hohes $\chi^2$) hat, während M1 gut passt. Die neuen Plot-Styles (insbesondere die Schraffur der Hauptkomponente) machen dies sofort visuell erkennbar.
• Reales Beispiel ($\delta p_T$ Messung): Die Darstellung von Daten aus Abe et al. (2018) zeigt, wie eine scheinbare "Dip"-Struktur in den Daten durch starke Antikorrelationen der Hauptkomponente als statistische Fluktuation entlarvt wird. Ein Nominal-Modell, das nicht mit dieser Struktur übereinstimmt, zeigt eine schlechte Anpassung, die im Standardplot nicht offensichtlich war.
• Verhältnis-Plots: Die Kombination mit einem Daten-zu-Modell-Verhältnis und dem lokalen Gradienten der Mahalanobis-Distanz hilft, zu identifizieren, welche Bins den schlechten Fit am meisten verursachen.

4. Bedeutung und Schlussfolgerungen

• Verbesserte Interpretierbarkeit: Die vorgeschlagenen Methoden ermöglichen es Forschern, die Güte der Anpassung (Goodness-of-Fit) auch bei korrelierten Unsicherheiten visuell zu beurteilen, ohne sich ausschließlich auf numerische Kennzahlen verlassen zu müssen.
• Barrierefreiheit: Die Verwendung von Hinton-Diagrammen statt reiner Farbkarten macht Korrelationsmatrizen für Farbenblinde und für Schwarz-Weiß-Drucke zugänglich, was die wissenschaftliche Kommunikation inklusiver macht.
• Additiver Charakter: Die neuen Elemente sind additiv. Wenn sie ignoriert werden, bleiben die klassischen marginalen Fehlerbalken erhalten. Sie laden den Plot nicht unnötig auf, sondern bieten kontextuelle Informationen.
• Empfehlung: Als Faustregel wird empfohlen, immer eine Hinton-Diagramm der Korrelationsmatrix bereitzustellen. Für die Hauptplots sollten je nach Datenstruktur entweder Korrelationslinien (bei kurzen Reichweiten) oder PCA-Plots (bei dominierenden Hauptkomponenten) verwendet werden.

Verfügbarkeit: Die Implementierung dieser Plot-Styles ist im Python-Paket NuStatTools verfügbar.