相关系数的相关程度
相关系数范畴？
相关系数范围？
相关系数是最早由统计学家梅帝·皮尔逊定制的统计指标，是研究变量中间线性相关水平的量，一般用英文字母 r 表明。因为研究对象的差异，相关系数有很多种界定方法，比较常见的是皮尔逊相关系数。
相关表和相关图可体现2个变量间的内在联系以及相关方位，但无法确切地说明2个变量中间相关的水平。相关系数是用于体现变量中间相关密切相关水平的统计指标。相关系数是按照积差方式测算，同样以两变量与分别均值的离差为载体，根据2个离差乘积来体现两变量中间相关水平；主要科学研究线形的单相关系数。
需要说明的是，皮尔逊相关系数并不是唯一的相关系数，但是比较常见的相关系数，下列表述都是针对皮尔逊相关系数。
根据相关状况中间的差异特点，其统计指标的名字各有不同。如将体现两变量间线性相关关系的统计指标称之为相关系数（相关系数的平方米称之为判定系数）；将体现两变量间曲线图相关关系的统计指标称之为离散系统相关系数、离散系统判定系数；将体现多元化线性相关关系的统计指标称之为复相关系数、复判定系数等。
相关系数大小和相关度？
相关系数越多，表明2个变量相互关系就越高。
样版简单地相关系数一般用r表明，计算公式为：
r的选值在-1与 1中间，若rgt0，说明2个变量是正相关，即一个变量的值越多，另一个变量的值还会越多；若rlt0，说明2个变量是负相关，即一个变量的值越多另一个变量的值反倒会越低。
r 的平方根越多说明相关性越高，需要注意的是这儿并不存在逻辑关系。若r=0，说明2个变量间并不是线性相关，但是有可能是多种方式的相关（例如曲线图方法）。
运用样版相关系数推论整体中2个变量是不是相关，能够用t 统计量对整体相关系数为0的原假设进行检验。若t 检测明显，则拒绝原假设，即2个变量是线性相关的；若t 检测不显著，则无法拒绝原假设，即2个变量并不是线性相关。
拓展材料
一些具体工作人员用非垂直居中的相关系数（与Pearson系数不相适配）。
比如：
假定五个国家国民生产总值各是1、2、3、5、8（企业10亿美金），又假定这五个国家贫苦占比各是11\\%、12\\%、13\\%、15\\%、18\\%。
则无2个规范有序包括5个元素的空间向量x、y：x = (1, 2, 3, 5, 8) 、 y = (0.11, 0.12, 0.13, 0.15, 0.18) 应用一般的方法去测算空间向量间交角（参照数量积）。
上边的数据信息实际是选择了一个完美线性相关：y= 0.10 0.01 x。因而皮尔逊相关系数当然就是1。
把数据信息垂直居中（x中数据减掉 E(x) = 3.8 ，y中数据减掉E(y) =0.138）后获得：x = (−2.8, −1.8, −0.8, 1.2, 4.2)、 y = (−0.028, −0.018, −0.008,0.012, 0.042)。