Statistikā tiek izmantoti dažāda veida korelācijas, lai noteiktu, kā mainīgie ir saistīti viens ar otru. Piemēram, izmantojot divus mainīgos - vidusskolas klases pakāpi un koledžas GPA - novērotājs var izdarīt a korelācija, ka studenti ar augstāku vidusskolas pakāpi parasti iegūst augstāku vidējo koledžu GPA. Korelācijas mēra arī attiecību stiprumu un to, vai korelācija starp mainīgajiem ir pozitīva vai negatīva. Veiktās korelācijas veids ir atkarīgs no tā, vai mainīgie nav skaitliski vai intervālu dati, piemēram, temperatūra.
Pīrsona produkta momenta korelācija
Pīrsona produkta momenta korelācija tika nosaukta pēc matemātiskās statistikas disciplīnas dibinātāja Karla Pīrsona. To uzskata par vienkāršu lineāru korelāciju, kas nozīmē, ka divu mainīgo attiecība ir atkarīga no tā, vai tie ir nemainīgi. Pīrsons tiek izmantots ar intervāla datiem, lai noteiktu korelācijas stiprumu, ko vienādojumā attēlo burts r. Šī korelācija arī parāda, vai attiecības ir pozitīvas vai negatīvas; ko attēlo skaitļi, kuru vērtība ir no +1 līdz -1. Jo tuvāk r vērtība ir -1,00 vai +1,00, jo ciešāka korelācija. Jo tuvāk r vērtība nonāk skaitlim 0, jo vājāka korelācija. Piemēram, ja r ir vienāds ar -90 vai 0,90, tas norāda uz stiprāku attiecību nekā -,09 vai .09.
Spīrmana rangu korelācija
Spīrmana rangu korelācija tika nosaukta statistikas Čārlza Edvarda Spīrmena vārdā. Spīrmena vienādojums ir vienkāršāks un statistikā bieži izmantots Pīrsona vietā, lai gan tas ir mazāk pārliecinošs. Sociālie zinātnieki var arī izmantot Spearman's, lai aprakstītu korelāciju starp kvalitatīviem datiem, piemēram, etnisko piederību vai dzimumu, un kvantitatīvajiem datiem, piemēram, izdarīto noziegumu skaitu. Korelāciju aprēķina, izmantojot nulles hipotēzi, kas vēlāk tiek pieņemta vai noraidīta. Nulles hipotēze parasti sastāv no jautājuma, uz kuru jāatbild; piemēram, neatkarīgi no tā, vai izdarīto noziegumu skaits ir vienāds vīriešiem un sievietēm.
Kendala ranga korelācija
Kendall Rank korelācija, kas nosaukta britu statistiķim Morisam Kendallam, mēra atkarības stiprumu starp divu nejaušo mainīgo kopām. Kendalu var izmantot turpmākai statistikas analīzei, kad Spīrmena korelācija noraida nulles hipotēzi. Tas iegūst korelāciju, kad viena mainīgā vērtība samazinās un otra mainīgā vērtība palielinās; šo korelāciju sauc par nesaskaņotiem pāriem. Korelācija var rasties arī tad, kad abi mainīgie mainās vienlaikus, saukti par konkordantu pāri.