Ve statistice je phi koeficient φ nebo rφ mírou asociace dvou binárních proměnných. Tato míra je ve své interpretaci podobná Pearsonovu korelačnímu koeficientu. Ve skutečnosti Pearsonův korelační koeficient odhadovaný pro dvě binární proměnné vrátí phi koeficient. Phi koeficient také souvisí se statistikou chí-kvadrát pro kontingenční tabulku 2×2 (viz Pearsonův_chi-kvadrát_test)
kde n je celkový počet pozorování. Dvě binární proměnné jsou považovány za pozitivně spojené, pokud většina dat padá podél diagonálních buněk. Oproti tomu dvě binární proměnné jsou považovány za negativně spojené, pokud většina dat padá z diagonály. Pokud máme tabulku 2×2 pro dvě náhodné proměnné x a y
kde n11, n10, n01, n00 jsou nezáporné „počty buněk“, které se sčítají do n, celkový počet pozorování. Fí koeficient, který popisuje asociaci x a y, je
Ačkoliv výpočetně Pearsonův korelační koeficient redukuje na phi koeficient v případě 2×2, interpretace Pearsonova korelačního koeficientu a phi koeficientu musí být brána opatrně. Pearsonův korelační koeficient se pohybuje v rozmezí od −1 do +1, kde ±1 značí dokonalou shodu nebo nesouhlas a 0 značí žádný vztah. phi koeficient má maximální hodnotu, která je určena rozložením obou proměnných. Pokud mají obě dělení 50/50, rozsah phi se bude pohybovat od −1 do +1. Viz Davenport El-Sanhury (1991) pro důkladnou diskusi.
Průměr (Aritmetika, Geometrie) – Medián – Režim – Výkon – Odchylka – Směrodatná odchylka
Testování hypotéz – Význam – Nullova hypotéza/Alternativní hypotéza – Chyba – Z-test – Studentův t-test – Maximální pravděpodobnost – Standardní skóre/Z skóre – P-hodnota – Analýza rozptylu
Funkce přežití – Kaplan-Meier – Logrank test – Četnost selhání – Proporcionální modely nebezpečnosti
Normal (zvonová křivka) – Poisson – Bernoulli
Matoucí veličina – Pearsonův korelační koeficient produktového momentu – Rank korelace (Spearmanův korelační koeficient hodnosti, Kendall tau korelační koeficient hodnosti)
Lineární regrese – Nelineární regrese – Logistická regrese