皮尔逊pearson相关系数和斯皮尔曼spearman等级相关系数。它们可用来衡量两个变量之间的相关性的大小，根据数据满足的不同条件，我们要选择不同的相关系数进行计算和分析（建模论文中最容易用错的方法）。

基本概念

总体——所要考察对象的全部个体叫做总体.
我们总是希望得到总体数据的一些特征（例如均值方差等）
样本——从总体中所抽取的一部分个体叫做总体的一个样本

计算这些抽取的样本的统计量来估计总体的统计量：
例如使用样本均值、样本标准差来估计总体的均值（平均
水平）和总体的标准差（偏离程度）

皮尔逊Pearson相关系数

就是概率论学的相关系数。一般我们认为不加前缀说明的相关系数都是皮尔逊相关系数

首先我们要理解协方差
关于协方差：如果X、Y（相对于均值）变化方向相同则乘积为正，反之为负

注：协方差的大小和两个变量的量纲有关，因此不适合做比较。
所以我们引入皮尔逊相关系数剔除了量纲的影响，即将X和Y标准化后的协方差

（1）总体皮尔逊相关系数
（2）样本皮尔逊相关系数

一些误区

以上的相关系数只是用来来衡量两个变量线性相关程度的指标；即我们必须先确认这两个变量是线性相关的，然后这个相关系数才能告诉你他俩相关程度如何（先画散点图）
eg.形式上必须大致满足 Y = a*X+b
例如下面几个错误示例