本文中使用的内容如下：
从前21日到26日，描述了数据的整体情况，但是有时我们需要了解数据中数据中的变量之间的关系。关系之间关系的索引称为关系的数量。它通常由R表示：
其中，COV（x，y）是x和y，var [x]的协作方差，是x的差异，var [y]是y的正方形差异
需要注意以下几点相关系数：
相关系数r的范围为[-1，1]
R的绝对值越大，相关性越强
r的正和阴性代表相关性，正相关，负代表的方向
笔记：
应该指出的是，相关系数具有明显的劣势，即，它的程度接近数据组n的数量，这很容易给人们一个幻觉。因为当n很小时，相关系数的波动较小时，大，样品数量的绝对值很容易接近1；当n较大时，相关系数的绝对值很容易较小。尤其是当n = 2时，相关系数的绝对值始终是1.因此，当样本容量n很小时，确定确定该样本容量n是不合适的。变量X和Y之间的紧密线性关系由大系数确定。
相关性不等于因果关系。相关性只能解释有两件事有关。因果关系是一件事导致另一件事。
相关操作主要由Corr函数使用
让我们看一下原始情况：
结果：
结果：
结果：