概率论问题： X,Y相互独立的充分必要条件是ρ=0（相关系数）。 这句话对吗？为什么？

1. 概率论问题： X,Y相互独立的充分必要条件是ρ=0（相关系数）。 这句话对吗？为什么？

纯搬运。。。

2. 相关系数多少算具有相关性？

3. spss的相关性分析中相关系数大但无显著性，怎么解释啊

相关系数0.624大约属于中等量级的相关，在样本量足够大的情况下一般都会有显著性，你的情况应该是样本量偏小造成的。此外，pearson相关系数的正确性需要得到散点图的证实，你应该检查一下散点图，看看数据是否具有线性趋势，特别是有没有离群值或极端值扭曲你的相关系数，散点图这个步骤很容易被忽略，但对相关分析而言十分关键！

4. SPSS做相关性分析，得到下列表格，相关性系数很低，但是在实际中相关性应该是很高的，请问怎么解释啊？

1. 相关性系数是反映两个随机变量之间"线性关系"的强弱程度. 

2. 两个随机变量相关系数很低, 只能说明两个随机变量之间没有"线性"关系(y=ax+b这种), 可能存在平方关系, 或取对数后存在线性关系(lny=a lnx + b)

5. 相关系数越大，说明两个变量之间的关系就越强吗

相关系数越大，说明两个变量之间的关系就越强。
样本的简单相关系数一般用r表示，计算公式为：r的取值在-1与+1之间，若r>0，表明两个变量是正相关，即一个变量的值越大，另一个变量的值也会越大；若r<0，表明两个变量是负相关，即一个变量的值越大另一个变量的值反而会越小。
r 的绝对值越大表明相关性越强，要注意的是这里并不存在因果关系。若r=0，表明两个变量间不是线性相关，但有可能是其他方式的相关（比如曲线方式）。 
利用样本相关系数推断总体中两个变量是否相关，可以用t 统计量对总体相关系数为0的原假设进行检验。若t 检验显著，则拒绝原假设，即两个变量是线性相关的；若t 检验不显著，则不能拒绝原假设，即两个变量不是线性相关。

扩展资料
一些实际工作者用非居中的相关系数（与Pearson系数不相兼容）。
例如：
假设五个国家的国民生产总值分别是1、2、3、5、8（单位10亿美元），又假设这五个国家的贫困比例分别是11%、12%、13%、15%、18%。
则有两个有序的包含5个元素的向量x、y：x = (1, 2, 3, 5, 8) 、 y = (0.11, 0.12, 0.13, 0.15, 0.18) 使用一般的方法来计算向量间夹角（参考数量积）。
上面的数据实际上是选择了一个完美的线性关系：y = 0.10 + 0.01 x。因此皮尔逊相关系数应该就是1。
把数据居中（x中数据减去 E(x) = 3.8 ，y中数据减去E(y) = 0.138）后得到：x = (−2.8, −1.8, −0.8, 1.2, 4.2)、 y = (−0.028, −0.018, −0.008, 0.012, 0.042)。
参考资料来源：百度百科-相关系数

6. 如何解释极显著相关的同时，相关系数又是小的？

显著性用于对结果是否有统计意义做一个定性的判断，而相关系数反应的是相关效应的大小，属于效应量指标，二者的目的不一样的。
显著性得到的结果是很弱的，只能告诉你这个相关是否存在，是否不仅仅是由抽样误差得到的，很小很小的相关在样本量够大时或统计方法检验力足够高时也可以显著，但若仅仅显著，效应量很小的话，仍然应该认为没有意义。
0.2-0.4之间可以认为是中等程度的相关。报告时应当先报告统计显著，注意因为统计显著是做一个定性判断，因为不讲程度，也就是不需要说比较显著或者极其显著，通常我们默认显著与否临界值为0.05，因此只需要报告在0.05水平显著即可。接着可以按照文献中对相关系数效应量大小的指标来说明该相关是什么程度，你这个就可以报告为中度相关。或者更简单地话，可以说两个变量相关系数为中度相关，然后括号，括号内写相关系数,如r=0.40，然后逗号，然后写p<0.05

7. 相关系数的正负问题

家都知道，在我们国家南方的环境相差是非常大的，在南风环境四季如春，而在北方却是四季分明！同时受到气候的影响所种植的水果也会受到变化，很多水果都是在某个特定的区域才会有，所以很多北方人经常吃的食物，可能南方人见都没有见过，而今天菡菡分享给大家的则是南方经常见到的水果，因为数量实在太多了，烂在树上没人

8. 用spss做相关分析时，为什么相关系数大于0.5了还表示不显著？

P＜0.05才具有统计意义