两个随机变量之间的关系可能是线性关系、曲线关系或相互独立，散点图可直观地展示这些关系。对服从二元正态分布的两个连续型随机变量和，用皮尔逊（Pearson）相关系数来描述其线性关系的密切程度和方向，定义公式为：

式中、和分为和的协方差和方差。，，。，没有量纲。时为正相关，表示和呈正向线性变化趋势，即随的增大有增大的趋势；时称完全正相关，和呈精确线性关系，即绘制的散点恰好在一条直线上。类似地，时为负相关；时称完全负相关。时为零相关，表示和之间没有线性关系。显然，越大，则和之间的线性关系越密切。需注意的是，并不代表两变量没有关系，有可能存在曲线关系。Pearson相关系数简称相关系数，可理解为标准化的协方差。

由于存在抽样误差，即使总体相关系数，样本相关系数不大可能为0。因此，需对样本相关系数进行假设检验，零假设为。检验统计量，式中为的标准误，且。

若随机变量、不服从双变量正态分布或原始数据用等级表示的资料，可采用秩相关分析，也称等级相关，常用统计量有斯皮尔曼（Spearman）相关系数、伽马（Gamma）系数；若随机变量、至少有一个为无序分类变量时，可计算关联系数来反映二者的关联程度，常用统计量有：系数、伽马V系数和皮尔逊列联系数。