Kiel registrite je 22:30, 31 jan. 2012 redakti Ripchip Bot (diskuto \| kontribuoj) 11 323 redaktoj e r2.7.1) (robota aldono de: bg:Корелация ← Iru al antaŭa ŝanĝo		Kiel registrite je 10:20, 2 mar. 2012 redakti malfari Maximkaaa (diskuto \| kontribuoj) Patrolantoj 4 213 redaktoj eNeniu resumo de redakto Iru al sekvanta ŝanĝo →
Linio 114: La korelaciokoeficiento de Pearson indikas la intensecon de la lineara rilato inter du variabloj, sed ĝia valoro ĝenerale ne tute karakterizas iliajn rilatojn. Aparte kiam la rilato inter ''X'' kaj ''Y'' estas forte nelineara, la korelaciokoeficiento ne klare determinas la formon de la rilato. La bildo dekstere montras la ''kvarteton de Ascombe'', aro de kvar malsamaj [[paro]]j de hazardaj variabloj kreita de brita statistikisto ''Francis Ascombe'']]<ref>{{Cito \| Aŭtoro=Anscombe \| Jaro=1973 \| Titolo=Grafikajoj pri statistika analizo \| Gazeto=The American Statistician \| Volumo=27 \| Paĝo=17–21 \| URL=http://www.jstor.org/stable/2682899}}({{en}})</ref>. La kvar ''Y'' variabloj enhavas samajn meznombron <math>\bar y = 7,5 </math>, variancon <math>\sigma_{Y}^2 = 3,75 </math>, korelacion <math>\rho_{xy} = 0,816 \ </math> kaj rekton de regreso: <math>y =7,5 + 0,816 \frac{\sqrt{3,75}}{\sqrt{10}} (x - 9) \simeq 3+ 0,5 x \, . </math> Tamen oni povas vidi sur la [[grafikaĵo]]j, ke la distribuoj de la variabloj estas tre malsamaj. La unua (supre kaj maldekstre) ŝajnas esti ordinara distribuo, kaj korespondas al la atentitaĵo, kiam oni konsideras du korelativajn variablojn, kiuj sekvas la hipotezon de normaleco. La dua (supre kaj dekstre) estas ne ordinara distribuo, malgraŭ evidenta rilato inter la du variabloj vidiĝas, kiu estas nelineara. Pri tiu kazo, la korelaciokoeficiento de Pearson ne indikas ke ekzistas ekzakta funkcia rilato. La tria (malsupre kaj maldekstre) vidigas, ke la lineara rilato estas perfekta, krom pri ununura fora valoro, kiu malaltigas la korelaciokoeficienton de 1 al 0,816. Finfine, la kvara (malsupre kaj dekstre) montras alian ekzemplon, kie ununura aliloka valoro sufiĉas por implici grandan korelaciokoeficienton, malgraŭ ke la rilato inter la du variabloj estas tute nelineara.

Korelacio: Malsamoj inter versioj