EXCEL中的相关系数能说明什么? 概率论当中相关系数/函数，到底表明了什么性质?

EXCEL中的相关系数能说明什么?

相关系数与0越接近，说明两者越不相关。
例如，算出电视与温度的相关系数最接近0，说明电视一般不受温度的影响。
空调的结果与1更接近，说明空调与温度呈现正相关关系，温度越高，销售的空调就越多；反之亦然。而电热毯，则是反相关关系，温度越高，销售的就越少，温度越低，销售的就越多。
公式说明：
Correl（数组1，数组2）：返回两组数组之间的相关系数，使用相关系数可以确定两种属性之间的关系。返回平均温度与空调之间的相关系数，通过这个相关系数，分析温度与空调之间的关系。

扩展资料
使用相关系数的缺点：
需要指出的是，相关系数有一个明显的缺点，即它接近于1的程度与数据组数n相关，这容易给人一种假象。
因为，当n较小时，相关系数的波动较大，对有些样本相关系数的绝对值易接近于1；当n较大时，相关系数的绝对值容易偏小。特别是当n=2时，相关系数的绝对值总为1。因此在样本容量n较小时，我们仅凭相关系数较大就判定变量x与y之间有密切的线性关系是不妥当的。
相关关系是一种非确定性的关系，相关系数是研究变量之间线性相关程度的量。由于研究对象的不同，相关系数有如下几种定义方式。

概率论当中相关系数/函数，到底表明了什么性质?

你肯定你要问概率论的问题么？
概率论的相关函数，不但我，连百度大叔也不晓得是什么哦。

概率论的相关系数是用于求解函数的方差的时候用的，比如说
已知函数 Z=X Y
那么Z的方差是X的方差与 Y的方差之和，还有一个和相关系数有关的期望项

如果说线性代数中两个向量是否相关，那么是可以使用行阶梯形来判断的。但LZ对线代的基本概念还很模糊，最好要多翻一下书。
1. 只有矩阵才存在是否相似的问题； 向量是没有相似的问题的，只有是否相关的问题。
2. 行阶梯形之所以可以判断向量组是否相似，不是因为行阶梯形这种算法，而是因为行阶梯形体现了秩的概念。
下面是概念图
向量相关 -〉k1*s1 k2*s2 = 0有非零解 -〉[s1, s2]的秩小于2 -〉行阶梯形的第二行为0

向量无关 -〉k1*s1 k2*s2 = 0没有非零解 -〉[s1, s2]的秩等于2 -〉行阶梯形的第二行不为0， 且可以化成阶梯形。

建议LZ到baidu图片里搜一下线代的概念树，感觉你把矩阵和向量弄混了。另外， 很多高人(李永乐，王式安...)都说"秩"是线代的核心， LZ一定要好好领会"秩"， 不要被相似对角化，行阶化， 正定化这些表面功夫迷惑。
从"秩"上领会：相关 问的是向量组的 秩 是否等于向量个数
相似 问的是矩阵的特征值是否相等
合同 问的是矩阵的正负特征值数目是否相等。
至于那些矩阵操作都是很模式化的事情。

在统计学里面两组数据显著相关是怎么判断的？

可以。
因为配对T检验的必要条件是：每一个样本都是严格配对的。
具有相关性不是配对T检验的必要条件，但是在配对样本的实验中，相关系数比较高往往是正常现象和多见现象，只要样本是配对的，而且数据符合正态分布和方差相等，可以进行配对T检验来比较两组数据之间的差异显著性。