a:

Koefisien korelasi dapat digunakan untuk mengukur ketergantungan linier antara dua variabel acak. Koefisien korelasi yang paling umum, yang dihasilkan oleh korelasi product moment Pearson, dapat digunakan untuk mengukur hubungan linier antara dua variabel. Namun, dalam hubungan non linier, koefisien korelasi ini mungkin tidak selalu menjadi ukuran ketergantungan yang sesuai.

Perbedaan antara korelasi dan ketergantungan dapat digambarkan dengan konsep korelasi dan sebab-akibat. Koefisien korelasi tidak menunjukkan adanya hubungan kausal antara dua variabel. Misalnya, tidak ada hubungan kausal yang terbukti antara kebahagiaan dan kekuatan fisik. Sementara analisis data dapat mengindikasikan korelasi positif antara kedua variabel tersebut, tidak berarti bahwa kebahagiaan menyebabkan peningkatan kekuatan fisik atau kebalikannya - bahwa peningkatan kekuatan fisik menyebabkan kebahagiaan - adalah benar. Akibatnya, ketergantungan satu variabel di sisi lain tidak dapat dipastikan langsung dari koefisien korelasi karena adanya aksi variabel acak asing yang mempengaruhi ketergantungan statistik. Misalnya, korelasi antara jumlah pelaut di kapal dan kecepatan rata-rata tidak menunjukkan sebab akibat karena adanya beberapa faktor lainnya, seperti kondisi cuaca, pengaturan throttle dan muatannya. Industri keuangan juga menggunakan prinsip sebab akibat dan korelasi sehubungan dengan hubungan antara earning per share (EPS) dan metrik keuangan lainnya.

Ada beberapa jenis koefisien korelasi yang digunakan untuk mengetahui hubungan antara tipe data yang bervariasi, termasuk korelasi rank-order Spearman, korelasi Biserial dan korelasi Phi. Koefisien korelasi Pearson dilambangkan dengan huruf "r" dan dapat digunakan untuk menafsirkan kekuatan atau kelemahan suatu hubungan antara dua variabel antara nilai +1 dan -1. Saat kuadrat, nilai yang dihasilkan dikenal sebagai koefisien determinasi yang mengekspresikan variasi hubungan semacam itu.