Description:
<jats:title>Abstract</jats:title><jats:p>Während die bekannten Korrelationsmaße in mehr oder weniger befriedigender Weise dazu dienen können, einen verhältnismäßig engen Zusammenhang zwischen zwei statistischen Merkmalsreihen zu beschreiben, versagen sie, wenn es sich darum handelt, den Grad der gegenseitigen Abhängigkeit zweier noch eben nicht ganz unabhängiger statistischer Merkmalsreihen zu beurteilen, wie dies namentlich bei der Behandlung biologischer und medizinischer Fragen erforderlich ist. Hier Klarheit zu schaffen und brauchbare Untersuchungsverfahren zu gewinnen ist ein Problem, das eng mit der <jats:sc>Lexis</jats:sc>schen Dispersionstheorie zusammenhängt. Im folgenden wird jene Theorie so erweitert, daß es gelingt, innerhalb zweidimensionaler statistischer Gesamtheiten mit vielfach gegliederten Merkmalen geringfügige Korrelationen nachzuweisen. Insbesondere zeigt sich, daß ein bestimmtes Vielfaches des <jats:sc>Pearson</jats:sc>schen Kontingenzmaßes der dem Problem am besten angemessene Parameter ist, indem diese Größe einerseits in den beiden einfachsten Sonderfällen sich auf die <jats:sc>Lexis</jats:sc>sche Zahl L bzw. auf das <jats:sc>Pearson</jats:sc>sche X<jats:sup>2</jats:sup> reduziert, während anderseits für sie ein universelles, durch Tafelwerke der Rechnung zugängliches Verteilungsgesetz von der Art einer vieldimensionalen <jats:sc>Gauß</jats:sc>schen Normalverteilung gilt.</jats:p>