本博文源于暨南大学的《多元数据统计分析及R语言建模》。旨在讲述身高与体重相关性分析。在概率论与数理统计课程中，两个变量之间协方差的标准化，因此先要熟悉并回忆公式，套用在R语言即可。

假设检验中，首先中要有假设。假设分为零假设和备择假设。 然后计算t值和p值，直接用R的命令

由于p=8.21e-07 x1 = c(171,175,159,155,152,158,154,164,168,166,159,164) > x2 = c(57,64,41,38,35,44,41,51,57,49,47,46) > plot(x1,x2) > lxy r=lxy(x1,x2)/sqrt(lxy(x1,x1)*lxy(x2,x2)) > r [1] 0.9593031 > cor.test(x1,x2) Pearson's product-moment correlation data: x1 and x2 t = 10.743, df = 10, p-value = 8.21e-07 alternative hypothesis: true correlation is not equal to 0 95 percent confidence interval: 0.8574875 0.9888163 sample estimates: cor 0.9593031 > 总结

其实整篇博文，无非计算相关性，和相关性检验。掌握了这两条命令，其实对于一般的两个变量之间的关系就有了清晰的认识，并且也会用R实现。