
Le coefficient de corrélation de Pearson mesure le degré de dépendance linéaire entre les prévisions et les observations. Autrement dit, on aimerait savoir si, lorsque les valeurs prévues augmentent, les observations augmentent-elles aussi. Et si, lorsque les valeurs prévues présentent un pic, les observations en présentent un elles aussi.
Les valeurs vont de -1 à +1. Une valeur de 1,0 indique une corrélation parfaite. Une valeur de 0,0 indique l'absence de toute corrélation; autrement dit, il n'y a pas de relation statistique entre les prévisions et les observations. Une valeur de -1,0 indique une corrélation négative parfaite. Autrement dit, chaque fois qu'on prévoit un débit élevé, on observe un débit faible.

Le coefficient de corrélation donne une mesure numérique de la corrélation. Les diagrammes de dispersion offrent une représentation graphique de la corrélation. Voyons comment se présentent divers diagrammes de dispersion exposant le débit observé par rapport au débit prévu pour différents coefficients de corrélation.

Ce diagramme de dispersion ne révèle aucune relation entre les valeurs prévues et les valeurs observées. Le coefficient de corrélation est de 0,0.

Ce diagramme de dispersion indique une faible corrélation positive. Autrement dit, parmi les points, une tendance se dessine autour de la diagonale à pente positive qui traverse le diagramme, mais de nombreux points restent dispersés autour de celle-ci. Le coefficient de corrélation est un petit nombre positif.

Le diagramme de dispersion suivant présente des points alignés près de la diagonale à pente positive. On a donc une bonne corrélation entre les prévisions et les observations. De ce fait, le coefficient de corrélation est un nombre positif proche de 1,0.

Le diagramme de dispersion suivant présente des points alignés le long d'une droite à pente négative. On a donc une corrélation négative entre les prévisions et les observations. Elle correspondrait à un coefficient de corrélation proche de -1,0.