Korelasi: Perbedaan antara revisi

Koefisien korelasi Pearson merupakan [[Statistika parametrik|statistik parametrik]], dan ia kurang begitu menggambarkan korelasi bila asumsi dasar [[Distribusi normal|normalitas]] suatu data dilanggar. Metode korelasi [[Statistika non-parametrik|non-parametrik]] seperti [[Koefisien korelasi rank Spearman|ρ Spearman]] and [[Tau Kendall|τ Kendall]] berguna ketika distribusi tidak normal. Koefisien korelasi non-parametrik masih kurang ''kuat'' bila dibandingkan dengan metode parametrik jika asumsi normalitas data terpenuhi, namun cenderung memberikan hasil distrosi ketika asumsi tersebut tak terpenuhi.

 

<!--

To get a measure for more general dependencies in the data (also nonlinear) it is better to use the [[correlation ratio]] which is able to detect almost any functional dependency, or [[mutual information]] which detects even more general dependencies.