diff --git a/DeskriptiveStatistik/DeskriptiveStatistik.py b/DeskriptiveStatistik/DeskriptiveStatistik.py
index 8aab3e7..18df76f 100644
--- a/DeskriptiveStatistik/DeskriptiveStatistik.py
+++ b/DeskriptiveStatistik/DeskriptiveStatistik.py
@@ -1,4 +1,5 @@
 import numpy as np
+import math
 
 def werteListe(absoluteHaufigkeiten):
     werte = []
@@ -92,21 +93,49 @@ def standardabweichung(werte=[], absuluteHaufigkeit={}, relativeHaufigkeiten={},
     return np.sqrt(varianz(werte, absuluteHaufigkeit, relativeHaufigkeiten, pdf, stichprobengroesse, korrigiert))
 
 
-def kovarianz(werte=[]):
+def kovarianz(wertePaare=[]):
     summe = 0
-    n = len(werte)
-    xMittel = mittelwert([wert[0] for wert in werte])
-    yMittel = mittelwert([wert[1] for wert in werte])
-    for wert in werte:
+    n = len(wertePaare)
+    xMittel = mittelwert([wert[0] for wert in wertePaare])
+    yMittel = mittelwert([wert[1] for wert in wertePaare])
+    for wert in wertePaare:
         x = wert[0]
         y = wert[1]
         summe = summe + ((x - xMittel) * (y - yMittel))
     return float(summe) / float(n)
 
-def korrelationskoeffizentPearson(werte=[]):
-    xStandardabweichung = standardabweichung([wert[0] for wert in werte])
-    yStandardabweichung = standardabweichung([wert[1] for wert in werte])
-    return float(kovarianz(werte)) / float(xStandardabweichung * yStandardabweichung)
+def korrelationskoeffizentPearson(wertePaare=[]):
+    xStandardabweichung = standardabweichung([wert[0] for wert in wertePaare])
+    yStandardabweichung = standardabweichung([wert[1] for wert in wertePaare])
+    return float(kovarianz(wertePaare)) / float(xStandardabweichung * yStandardabweichung)
+
+def rang(wertePaare=[], xWerte=[], yWerte=[]):
+    if(len(wertePaare) < 1):
+        wertePaare = bildeWertePaare(xWerte, yWerte)
+    wertePaare.sort(key=lambda tup: tup[0])
+    wertePaare = [(wertePaare[i][0], wertePaare[i][1], i + 1) for i in range(len(wertePaare))]
+    wertePaare.sort(key=lambda tup: tup[1])
+    wertePaare = [(wertePaare[i][0], wertePaare[i][1], wertePaare[i][2], i + 1) for i in range(len(wertePaare))]
+    return wertePaare
+
+def korrelationskoeffizentPearsonRang(wertePaare=[]):
+    wertePaare = rang(wertePaare=wertePaare)
+    n = len(wertePaare)
+    rangMittelwert = float((len(wertePaare) + 1)) / 2.0
+    summeZahler = 0
+    summeNennerX = 0
+    summeNennerY = 0
+    for wertePaar in wertePaare:
+        summeZahler = summeZahler + (wertePaar[2] - rangMittelwert) * (wertePaar[3] - rangMittelwert)
+        summeNennerX = summeNennerX + math.pow(wertePaar[2] - rangMittelwert, 2)
+        summeNennerY = summeNennerY + math.pow(wertePaar[3] - rangMittelwert, 2)
+    return summeZahler / (math.sqrt(summeNennerX) * math.sqrt(summeNennerY))
+
+
+
+
+
+
 
 def bildeWertePaare(x=[], y=[]):
     wertePaare = []
@@ -119,11 +148,12 @@ def bildeWertePaare(x=[], y=[]):
 if __name__ == '__main__':
     #werte = [12, -5, 5, 52, -6, -5, 8, -7, 22, -46, 8, -14, 5, 47]
     #haufigkeiten = {0: 6, 1: 6, 2: 3, 3: 5, 8: 6}
-    werteX = [163, 165, 166, 169, 170, 171, 171, 173, 174, 175, 177, 177, 179, 180, 185]
-    werteY = [59, 62, 65, 69, 65, 69, 76, 73, 75, 73, 80, 71, 82, 84, 81]
+    werteX = [59, 35, 43, 23, 42, 27]
+    werteY = [14.6, 11.8, 14.3, 13.0, 14.2, 11.0]
     werte = bildeWertePaare(werteX, werteY)
     print(kovarianz(werte))
     print(korrelationskoeffizentPearson(werte))
+    print(korrelationskoeffizentPearsonRang(werte))
     #werte = [9, 7, 7, 6, 1]
     # haufigkeiten = {11: 3/20, 13: 1/2, 15: 1/10, 17: 1/5, 19: 1/20}
     # print("Anzahl Elemente: " , anzahlElemente(werte))