korreleerumise

Korrelleerumise ehk korrelatsiooni mõiste kirjeldab statistilist seost kahe või enama muutuja vahel: kui üks muutuja muutub, on teisel muutus tavaliselt kaasas. See ei näita põhjuslikku põhjust—seos võib tuleneda juhuslikkusest, kolmandatest muutujaist või piiratud vahemikust. Korrelatsiooniga tegeletakse sageli, et hinnata, kui tugevalt ja millises suunas muutujad on seotud.

Seose tugevust ja suunda hinnatakse korrelatsioonikordajaga. Enamikus rakendustes kõlab see nii: väärtus +1 tähistab täpset positiivset lineaarset seost, -1 täpset negatiivset lineaarset seost ja 0 puudulikku lineaarset seost. Väljundit tuleb tõlgendada koos andmete olemuse ja ülesandega: korrelatsioon võib olla tugev isegi kui seos ei ole põhjuslik, ning see võib olla väga nõrk mittelineaarsetel andmetel.

Tuntud meetodid korreleerumise hindamiseks hõlmavad Pearsoni korrelatsioonikordajat, mis mõõdab lineaarset seost kahe pideva muutuja vahel; Spearmani järjekorrakorrelatsiooni, mis sobib kasutamiseks mittenormaalsetele või järjestusandmetele; ning Kendalli tau, mis on alternatiiv järjekorrakordade hindamiseks. Korrelatsioonianalüüsi tulemused annavad koondhava teabe seose olemuse kohta, kuid neid tuleb alati kontekstis ja koos teiste analüüsimeetoditega tõlgendada.

Kõrvalmõjud ja piirangud hõlmavad outlier’ite mõju, mittelineaarsete seoste unarvestamist ning piiratud andmekogumi vahemikku. Õige kasutus nõuab tähelepanu andmete tüübile, valimi suurusele ja asjakohasele statistilisele testimisele.