Korrelation bezieht sich auf die statistische Beziehung zwischen zwei Variablen. Wenn zwei Variable X und Y miteinander korrelieren, bedeutet dies, dass eine Veränderung in der Variablen X mit einer gewissen Wahrscheinlichkeit eine Veränderung in der Variablen Y hervorruft. Zwar besteht eine wechselseitige Beziehung, aber eine Korrelation bedeutet nicht, dass die Veränderung der Variablen X zwingend eine Veränderung der Variablen Y verursacht.

Man unterscheidet zwischen einer positiven und einer negativen Korrelation. Bei der positiven Korrelation gilt, dass die Werte von beiden Variablen gemeinsam ansteigen. Wenn also die Werte der Variablen X zunehmen, führt das zu einer Zunahme des Wertes der Variablen Y. Umgekehrt bedeutet bei der negativen Korrelation, dass durch einen Anstieg der Werte der Variablen X die Werte der Variablen Y sinken. Ein Beispiel für eine positive Korrelation können die Anzahl der Vorbereitungsstunden auf eine Prüfung und die erhaltene Note sein. Steigt die aufgewendete Zeit, schneidet man bei der Prüfung tendenziell besser ab. Eine negative Korrelation besteht hingegen zwischen der Anzahl Stunden, die eine Person schläft und ihrem Stressniveau. Schläft eine Person weniger, steigt dafür ihr Stressniveau an.

Im wissenschaftlichen Kontext trifft man neben der Korrelation oft auch auf den Begriff der Kausalität. Diese beiden Konzepte werden häufig miteinander verwechselt bzw. gleichgesetzt. Dies kann zu falschen Schlussfolgerungen führen. Eine Korrelation impliziert keine Ursache-Wirkung-Beziehung (Kausalität). Nur weil zwischen zwei Variablen eine Korrelation besteht, bedeutet das nicht automatisch, dass die Veränderung einer Variablen zwingend eine Veränderung der anderen Variablen verursacht. Dieser kleine, aber feine Unterschied ist wichtig. Er verhindert, dass falsche Schlussfolgerungen aus Daten gezogen werden.

Folgendes Beispiel erklärt den Unterschied zwischen Kausalität und Korrelation:
Die Anzahl Störche in der Schweiz nahm über Jahrzehnte gleichzeitig ab mit der Fertilität der Bevölkerung (Anzahl Babies gemessen an der Bevölkerungszahl). Daraus den Schluss zu ziehen, dass der Geburtenrückgang beim Menschen auf den Rückgang der Storchenpopulation zurückzuführen ist, wäre falsch. Stattdessen sind beide Ergebnisse mit anderen Ursachen kausal erklärbar, die zeitgleich passiert sind: Die industrialierungsbedingte Wohlstandszunahme hat zu kleineren Familiengrössen geführt. Gleichzeitig haben die Entsumpfung und die Überbauung vieler Mittellandgebiete zu einer Einschränkung von Lebensraum und Nahrungsangebot für Störche geführt.

Für einen Entscheidungsprozess ist es unabdingbar, die tatsächlichen kausalen Zusammenhänge zu untersuchen.