什么是相关系数
在概率论和统计学中，相关（Correlation，或称相关系数或关联系数），显示两个随机变量之间线性关系的强度和方向。在统计学中，相关的意义是用来衡量两个变量相对于其相互独立的距离。在这个广义的定义下，有许多根据数据特点而定义的用来衡量数据相关的系数。
拓展资料：
相关系数的计算过程可表示为：将每个变量都转化为标准单位，乘积的平均数即为相关系数。
两个变量的关系可以直观地用散点图表示，当其紧密地群聚于一条直线的周围时，变量间存在强相关。
一个散点图可以用五个统计量来概括。所有x值得平均数，所有x值的SD，所有y值得平均数，所有y值的SD，相关系数r.
将第一个变量记为x ,第二个变量记为y ,相关系数为r，则可以通过以下公式：
r = [（以标准单位表示的x）X（以标准单位表示的y）]的平均数
相关系数说明两个现象之间相关关系密切程度的统计分析指标。相关系数用希腊字母γ表示，γ值的范围在-1和+1之间。γ＞0为正相关，γ＜0为负相关。
1：衡量两个变量线性相关密切程度的量。对于容量为n的两个变量x，y的相关系数rxy可写为 ，式中 是两变量的平均值 所属学科：大气科学（一级学科）；气候学（二级学科）
定义2：由回归因素所引起的变差与总变差之比的平方根。
拓展资料
相关表和相关图可反映两个变量之间的相互关系及其相关方向，但无法确切地表明两个变量之间相关的程度。于是，著名统计学家卡尔·皮尔逊设计了统计指标--相关系数(Correlation coefficient)。相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度;着重研究线性的单相关系数。
依据相关现象之间的不同特征，其统计指标的名称有所不同。如将反映两变量间线性相关关系的统计指标称为相关系数(相关系数的平方称为判定系数);将反映两变量间曲线相关关系的统计指标称为非线性相关系数、非线性判定系数;将反映多元线性相关关系的统计指标称为复相关系数、复判定系数等。
例1.若将一枚硬币抛n次，X表示n次试验中出现正面的次数，Y表示n次试验中出现反面的次数。计算ρXY。
解:由于X+Y=n，则Y=-X+n，根据相关系数的性质推论，得ρXY = − 1。
例2.已知随机变量X、Y分别服从正态分布N(1，9)，N(0，16)且X，Y的相关系数
设，求证X，Z相互独立。
证明:由已知得E(X)=1，D(X)=9，E(Y)= 0，D(Y) = 16
由于正态分布的随机变量的线性组合仍然服从正态分布，知Z是正态变量。
根据数学期望的性质有
根据方差的性质有得
由于 E(XY) = Cov(X,Y) + E(X)E(Y) = − 6，
E(X) = D(X) + [E(X)] = 10
ρXZ = 0，X，Z不相关。
由于正态随机变量的相互独立与互不相关等价，故X,Z相互独立。
因此，一般情况下两个随机变量不相关不一定相互独立。不相关仅指随机变量之间没有线性关系，而相互独立则表明随机变量之间互不影响，没有关系。
（2，10） （3，15） 这四个点刚好在一条直线上 那么他们的相关系数就为1 相关系数最好的也就为1 如果点是（0，0.1） （1，4.9）（2，10.1） （3，14.9） 这四个点不可能同时出现在一条直线上 那么我们就会找一条直线 使这四个点都离直线很紧 四个点分别可以在直线的左边或者右边 那时候直线与点的紧密程度就叫做相关系数 所有的点离直线越近 相关系数越大 离直线越远 相关系数越低 但是相关系数R的取值范围是(0,1]。最大的就为1 最小的不为0
用来衡量变量间的线性相关关系。
正比例关系相关系数在0.00--1.00之间
反比例关系相关系数在-1--0.00之间，绝对值越大相关性越强。
相关系数是在直线相关条件下，用来测定并说明变量之间相互依存关系密切程度的统计指标。相关系数的取值范围是在－1～＋1之间，r为正表示正相关，r 为负表示负相关，r 的绝对值越接近1，表示相关程度越高，反之越接近0，表示相关程度越低，等于1表示完全相关，等于0，表示完全不相关。
