Մասնակից:Օֆելյա Սահակյան/Ավազարկղ

Կոռելյացիոն կապի գրաֆիկական ներկայացման համար կարելի է կիրառել ուղղանկյուն համակարգ առանցքային կոորդինատներով, որը համապատասխանում է զույգ փոփոխականներին։Նշանակությունների ցանկացած զույգ ընգծվում է որոշակի սիմվոլի օգնությամբ: Այսպիսի գրաֆիկը կոչվում է կետային դիագրամ:

Կոռելյացիա (լատին․՝ correlatio «համահարաբերակցություն, փոխկապակցություն») կամ կոռելյացիոն կապ — վիճակագրական 2 և ավելի պատահական մեծությունների փոխկապակցում (կամ մեծություններ, որոնք կարելի է դիտարկել որպես այդպիսին): Ընդ որում փոփոխականներից մեկի կամ մի քանիսի փոփոխությունը ուղեկցվում է մյուս փոփոխականներիկամ փոփոխականի համակարգային փոփոխությամբ: Երկու պատահական մեծությունների մաթեմատիկական հարաբերակցման միջոցը կոռելյացիոն հարաբերությունն է 'η[2] կամ կոռելյացիոն գործակիցը R (կամ r) [1]. Այն դեպքում, երբ մի պատահական մեծության փոփոխությունը օրինաչափորեն չի հանգեցնում մյուսի փոփոխությանը, բայց նպաստում է տվյալ կոնկրետ պատահական մեծության վիճակագրական բնութագրման փոփոխությանը, ապա այդպիսի կապը չի կարող համարվել կոռելյացիոն, չնայած, որ այն վիճակագրական է[3]: Առաջին անգամ կոռելյացիա տերմինը գիտության մեջ կիրառվել է ֆրանսիացի հնէաբան Ժորժ Կյուվեի կողմից 18-րդ դարում: Նա մշակել է «կոռելյացիայի օրենքը» կենդանի օրգանիզմների մասերի և օրգանների համար, որի օգնությամբ կարելի է վերականգնել պեղված կենդանիների արտաքին կերպարը՝ ձեռքի տակ ունենալով նրա մնացորդների միայն մի մասը: Իսկ վիճակագրության մեջ «կոռելյացիա»-ն առաջինը կիրառել է անգլիացի կենսաբան և վիճակագիր Ֆրենսիս Գալտոնը 19-րդ դարի վերջում:[4]

Կոռելյացիա և մեծությունների փոխկապակցում

Երկու պատահական մեծությունների միջև առկա նշանակալից կոռելյացիան խոսում է տվյալ ընտրանքում որոշակի վիճակագրական կապի առկայության մասին, բայց այդ կապը այլ ընտրանքում կարող է չդիտվել և չկրել պատճառահետևանքային բնույթ: Հաճախ կոռելյացիոն հետազոտությունների գրավիչ պարզությունը պատճառ է դառնում, որ հետազոտողը ինտուիտիվ եզրակացություններ անի պատճառահետևանքային կապի առկայության մասին, այն դեպքում կոռելյացիոն գործակիցները վկայում են միայն վիճակագրական կապի մասին: Օրինակ, դիտարկելով հրդեհների քանակը որոշակի քաղաքում՝  կարելի է բարձր կոռելյացիա հայտնաբերել հրդեհների հասցրած վնասի և հրշեջների քանակի միջև, ընդ որում, այդ կոռելյացիան դրական կլինի: Դրանից ելնելով, սակայն չենք կարող եզրակացնել, որ «հրշեջների քանակի ավելացումը կնպաստի վնասի ծավալների մեծացմանը», կամ սխալ կլինի նաև ասել, որ հրդեհի հետևանքները փոքր կլինեին, եթե չլինեին հրշեջների խմբերը:[5]. Երկու մեծությունների կոռելյացիան կարող է վկայել ընդհանուր պատճառի առկայության մասին՝ չնայած ինքնին երևույթները չեն փոխազդում: Օրինակ, Например, обледенение становится причиной как роста травматизма из-за падений, так и увеличения аварийности среди автотранспорта. В этом случае две величины (травматизм из-за падений пешеходов и аварийность автотранспорта) будут коррелировать, хотя они не связаны друг с другом, а лишь имеют стороннюю общую причину — гололедицу.

В то же время, отсутствие корреляции между двумя величинами ещё не значит, что между ними нет никакой связи. Например, зависимость может иметь сложный нелинейный характер, который корреляция не выявляет.

Некоторые виды коэффициентов корреляции могут быть положительными или отрицательными. В первом случае предполагается, что мы можем определить только наличие или отсутствие связи, а во втором — также и её направление. Если предполагается, что на значениях переменных задано отношение строгого порядка, то отрицательная корреляция — корреляция, при которой увеличение одной переменной связано с уменьшением другой. При этом коэффициент корреляции будет отрицательным. Положительная корреляция в таких условиях — это такая связь, при которой увеличение одной переменной связано с увеличением другой переменной. Возможна также ситуация отсутствия статистической взаимосвязи — например, для независимых случайных величин.