1樓：解煩惱
⑴列表（**）法：用列表法表示變數之間的關係時，變數對應的數值有限，但比較直觀_____；
⑵解析法：用關係式表示變數之間的關係時，給定_自變數____的值，都可以求出_____因變數_____的值；
⑶圖象法：用圖象法表示變數之間的關係時，一般用橫軸上的點表示自變數，用用縱軸上的點表示因變數。表示變數關係時通常把這三種方法結合起來運用，先___列表_____；再根據解析式計算自變數於因變數的各組對應值；最後__畫圖______________。
2樓：祁偉
一般來說沒有關係的
不過例如
int i=0；
int *p=&i;
這時候 p和i就是使用相同的記憶體塊
3樓：
據我所知，變數之間的相關關係有線性相關和非線性相關，線性相關就是變數間呈一次函式關係；而非線性相關就是不呈一次函式的其他函式關係，如二次函式。而線性相關的變數（兩個）會有一條關於他們的迴歸直線與對應的迴歸直線方程。通過這條迴歸直線，我們可以**當一個變數取定一個值時，另一個變數的取值情況。
這兩個變數，一般x為解釋變數，y為**變數，但是沒有規定，兩者可以互換
本來因變數與自變數之間就有關係，構造的指標存在什麼問題
4樓：
自變數和因變數的含義：變數是具有一個以上不同取值的概念。在社會研究中把
專引起其他變數變化的變屬量稱為「自變數」；而把那種由於其他變數的變化而導致自身發生變化的變數稱為「因變數」。
自變數和因變數之間的關係：
①當一個變數影響另一個變數或者說一個變數的變化「引起」或「導致」另一個變數的變化時就形成了某種因果關係。
②在實際社會研究中常常還會出現這樣的情況：同一個變數可能會在某種關係中作為自變數出現而在另一種關係中則作為因變數出現。究竟一個變數是作為自變數還是作為因變數要根據研究的理論框架和理論分析來決定。
相關係數越大，說明兩個變數之間的關係就越強嗎
5樓：月似當時
樣本的簡單相關係數一般用r表示，計算公式為：
r 的絕對值越大表明相關性越強，要注意的是這裡並不存在因果關係。若r=0，表明兩個變數間不是線性相關，但有可能是其他方式的相關（比如曲線方式）。
利用樣本相關係數推斷總體中兩個變數是否相關，可以用t 統計量對總體相關係數為0的原假設進行檢驗。若t 檢驗顯著，則拒絕原假設，即兩個變數是線性相關的；若t 檢驗不顯著，則不能拒絕原假設，即兩個變數不是線性相關。
擴充套件資料
一些實際工作者用非居中的相關係數（與pearson係數不相相容）。
例如：假設五個國家的國民生產總值分別是1、2、3、5、8（單位10億美元），又假設這五個國家的貧困比例分別是11%、12%、13%、15%、18%。
則有兩個有序的包含5個元素的向量x、y：x = (1, 2, 3, 5, 8) 、 y = (0.11, 0.
12, 0.13, 0.15, 0.
18) 使用一般的方法來計算向量間夾角（參考數量積）。
上面的資料實際上是選擇了一個完美的線性關係：y
= 0.10 + 0.01 x。因此皮爾遜相關係數應該就是1。
把資料居中（x中資料減去 e(x) = 3.8 ，y中資料減去e(y) =
0.138）後得到：x = (−2.
8, −1.8, −0.8, 1.
2, 4.2)、 y = (−0.028, −0.
018, −0.008,
0.012, 0.042)。
6樓：禾鳥
相關係數越大，說明兩個變數之間的關係就越強。當相關係數為1時，兩個變數其實就是一次函式關係。
相關係數介於0與1之間，用以反映變數之間相關關係密切程度的統計指標。相關係數是按積差方法計算，同樣以兩變數與各自平均值的離差為基礎，通過兩個離差相乘來反映兩變數之間相關程度；著重研究線性的單相關係數。
相關係數是最早由統計學家卡爾·皮爾遜設計的統計指標，是研究變數之間線性相關程度的量，一般用字母 r 表示。由於研究物件的不同，相關係數有多種定義方式，較為常用的是皮爾遜相關係數。
擴充套件資料
（1）相關係數的應用
1、概率論
例：若將一枚硬幣拋n次，x表示n次試驗中出現正面的次數，y表示n次試驗中出現反面的次數。計算ρxy。
解：由於x+y=n，則y=-x+n，根據相關係數的性質推論，得ρxy = − 1。
2、企業物流
例：一種新產品上市，在上市之前，公司的物流部需把新產品合理分配到全國的10個倉庫，新品上市一個月後，要評估實際分配方案與之前考慮的其他分配方案中，是實際分配方案好還是其中尚未使用的分配方案更好。
通過這樣的評估，可以在下一次的新產品上市使用更準確的產品分配方案，以避免由於分配而產生的積壓和斷貨。表1是根據實際資料所列的數表。
通過計算，很容易得出這3個分配方案中，b的相關係數是最大的，這樣就評估到b的分配方案比實際分配方案a更好，在下一次的新產品上市分配計劃中，就可以考慮用b這種分配方法來計算實際分配方案。
3、聚類分析
例：如果有若干個樣品，每個樣品有n個特徵，則相關係數可以表示兩個樣品間的相似程度。藉此，可以對樣品的親疏遠近進行距離聚類。
例如9個小麥品種(分別用a1,a2,...,a9表示)的6個性狀資料見表2，作相關係數計算並檢驗。
由相關係數計算公式可計算出6個性狀間的相關係數，分析及檢驗結果見表3。由表3可以看出，冬季分櫱與每穗粒數之間呈現負相關(ρ = − 0.8982)，即麥冬季分櫱越多，那麼每穗的小麥粒數越少，其他性狀之間的關係不顯著。
（2）相關係數的缺點：
需要指出的是，相關係數有一個明顯的缺點，即它接近於1的程度與資料組數n相關，這容易給人一種假象。
因為，當n較小時，相關係數的波動較大，對有些樣本相關係數的絕對值易接近於1；當n較大時，相關係數的絕對值容易偏小。特別是當n=2時，相關係數的絕對值總為1。因此在樣本容量n較小時，我們僅憑相關係數較大就判定變數x與y之間有密切的線性關係是不妥當的。
7樓：西域牛仔王
相關係數介於 -1 與 1 之間，是衡量兩個變數之間線性關係程度的量，
相關係數越大，說明兩個變數之間的線性關係越強。
當相關係數為 1 時，兩個變數其實就是一次函式關係。
8樓：匿名使用者
相關性的強度確實是用相關係數的大小來衡量的，但相關大小的評價要以相關係數顯著性的評價為前提，我們首先應該檢驗相關係數的顯著性，如果顯著，證明相關係數有統計學意義，下一步再來看相關係數大小，如果相關係數沒有統計學意義，那意味著你研究求得的相關係數也許是抽樣誤差或者測量誤差造成的，再進行一次研究結果可能就大不一樣，此時討論相關性強弱的意義就大大減弱了。
在滿足相關係數顯著的條件下，相關係數越大，相關性就越強，這沒錯
9樓：獨梅印血
強強強強強強強強強強強強強強強強強強強強強強強強強強強強
回歸分析是研究變數之間的什麼關係
歸分析與相關分析的聯絡 研究在專業上有一定聯絡的兩個變數之間是否存在直線關係以及如何求得直線回歸方程等問題，需進行直線相關和回歸分析。從研究的目的來說，若僅僅為了了解兩變數之間呈直線關係的密切程度和方向，宜選用線性相關分析 若僅僅為了建立由自變數推算因變數的直線回歸方程，宜選用直線回歸分析。從資料所...
飲水與健康之間有什麼關係
人離不開水，飲水安全直接影響身體健康，通過安裝蘭澤淨水裝置，去除水中對人體有害的汙染物，還原健康好水的本性，健康飲水。水是構成生命體的基本單位，是生命發生 發育和繁衍的基本條件。這不僅僅體現在維持身體正常生理需要，還與人的健康息息相關。專家表示，人的各種生理活動都需要水，如水可溶解各種營養物質，脂肪...
基因環境和性狀之間有什麼關係
基因決定性狀，但環境影響性狀，性狀表現是遺傳基因和環境因素共同作用的結果。經典舉例 韭菜吧，你不給它光照，它就會變成韭黃。這裡就是環境影響了它的表現，但它本身的基因並沒有改變。1 基因型是遺傳基礎 基因型是指生物體遺傳組成的總和,是性狀得以表現的內在物質基礎，表型是指生物表現出來的所有性狀的總和,是...