⽪尔逊相关系数（PearsonCorrelationCoefficient，Pearsonsr）Pearson's r，称为⽪尔逊相关系数（Pearson correlation coefficient），⽤来反映两个随机变量之间的线性相关程度。
⽤于总体（population）时记作ρ (rho)（population correlation coefficient）：
给定两个随机变量X,Y，ρ的公式为：
东河流
逍遥丸副作用其中： cov(X,Y)是X，Y的协⽅差
σX是X的标准差
农村的σY是Y的标准差
⽤于样本（sample）时记作r（sample correlation coefficient）：
给定两个随机变量X,Y，r的公式为：
其中： n是样本数量
X i, Y i是变量X，Y对应的i点观测值
是X样本平均数，是Y样本平均数
r的取值在-1与1之间。取值为1时，表⽰两个随机变量之间呈完全正相关关系；取值为-1时，表⽰两个随机变量之间呈完全负相关关系；取值为0时，表⽰两个随机变量之间线性⽆关。
毛蛋怎么做好吃那么r值需要多⼤才说明两变量之间有显著关联呢？我们⽤样本相关系数r作为总体相关系数ρ的估计值，要判断r值确实显著，⽽不是由于抽样误差或偶然因素导致其显著，需要进⾏假设检验。可以⽤scipy来计算r并做假设检验：最美教师作文
scipy.stats.pearsonr(x, y)
要理解⽪尔逊相关系数，⾸先要理解。协⽅差可以反映两个随机变量之间的关系，如果⼀个变量跟随着另⼀个变量⼀起变⼤或者变⼩，那么这两个变量的协⽅差就是正值，就表⽰这两个变量之间呈正相关关系，反之相反。样本协⽅差的公式如下：。
串烤海蛎
如果协⽅差的值是个很⼤的正数，我们可以得到两个可能的结论：
（1）两个变量之间呈很强的正相关性
（2）两个变量之间并没有很强的正相关性，协⽅差的值很⼤是因为X或Y的标准差很⼤
那么到底哪个结论正确呢？只要把X和Y变量的标准差，从协⽅差中剔除不就知道了吗？协⽅差能告诉雷锋纪念
人的图片我们两个随机变量之间的关系，但是却没法衡量变量之间相关性的强弱。因此，为了更好地度量两个随机变量之间的相关程度，引⼊了⽪尔逊相关系数。可以看到，⽪尔逊相关系数就是⽤协⽅差除以两个变量的标准差得到的。
