a:

Pekali korelasi boleh digunakan untuk mengukur kebergantungan linear antara dua pemboleh ubah rawak. Koefisien korelasi yang paling biasa, yang dihasilkan oleh korelasi momen produk Pearson, boleh digunakan untuk mengukur hubungan linear antara dua pembolehubah. Walau bagaimanapun, dalam hubungan bukan linear, pekali korelasi ini tidak boleh selalu menjadi ukuran pergantungan yang sesuai.

Perbezaan antara korelasi dan pergantungan boleh diilustrasikan oleh konsep korelasi dan penyebaban. Koefisien korelasi tidak menunjukkan kehadiran hubungan kausal antara dua pembolehubah. Sebagai contoh, tidak ada hubungan sebab-akibat yang terbukti antara kebahagiaan dan kekuatan fizikal. Walaupun analisis data mungkin menunjukkan korelasi positif antara kedua pembolehubah, ia tidak membayangkan kebahagiaan yang menyebabkan peningkatan kekuatan fizikal atau perselisihannya - bahawa peningkatan kekuatan fizikal menyebabkan kebahagiaan - adalah benar. Akibatnya, pergantungan satu pemboleh ubah pada yang lain tidak dapat ditentukan secara langsung dari koefisien korelasi kerana tindakan pemboleh ubah rawak luar yang mempengaruhi ketergantungan statistik. Sebagai contoh, korelasi antara bilangan pelayar di kapal dan kelajuan puratanya tidak menunjukkan penyebab disebabkan oleh beberapa faktor lain, seperti keadaan cuaca, tetapan pendikit dan muatannya. Industri kewangan juga menggunakan prinsip penyebab dan korelasi berhubung dengan hubungan antara pendapatan sesaham (EPS) dan metrik kewangan lain.

Terdapat beberapa jenis koefisien korelasi yang digunakan untuk menentukan hubungan antara jenis data bervariasi, termasuk korelasi urutan peringkat Spearman, korelasi Biserial dan korelasi Phi. Koefisien korelasi Pearson dilambangkan dengan huruf "r" dan boleh digunakan untuk mentafsirkan kekuatan atau kelemahan hubungan antara dua pembolehubah antara nilai +1 dan -1. Apabila kuadrat, nilai yang terhasil dikenali sebagai pekali penentuan yang menyatakan variasi hubungan tersebut.