6个现实生活中的相关性例子

在统计学中，相关性是两个变量之间线性关系的度量。

相关系数的值始终介于 -1 和 1 之间，其中：

• -1 表示两个变量之间完全负线性相关
• 0 表示两个变量之间不存在线性相关
• 1 表示两个变量之间存在完全正线性相关

以下示例说明了变量之间负相关、正相关和零相关的现实场景。

负相关的例子

示例 1：跑步时间与跑步时间体内脂肪

一个人跑步的时间越多，其体内脂肪就越低。换句话说，不同的跑步时间和不同的体脂呈负相关。随着跑步时间的增加，体脂会减少。

如果我们创建跑步时间与身体脂肪的散点图，它可能如下所示：

示例 2：看电视的时间与考试成绩

学生看电视的时间越多，他们的考试成绩往往就越低。换句话说，不同的看电视时间和不同的考试成绩呈负相关。随着看电视时间的增加，考试成绩会下降。

如果我们创建一个看电视时间与考试成绩的散点图，它可能如下所示：

正相关的例子

示例 1：身高与身高重量

一个人的身高和体重之间往往呈正相关。换句话说，个子越高的人体重也往往越重。

如果我们创建身高/体重散点图，它可能如下所示：

示例 2：温度与温度冰淇淋销售

温度与冰淇淋总销量之间呈正相关。换句话说，当天气变暖时，公司的冰淇淋总销量往往会更高，因为更多的人在天气热时购买冰淇淋。

如果我们在温度和冰淇淋销量之间创建一个散点图，它可能如下所示：

没有相关性的例子

示例 1：咖啡消耗量与智力

个人消耗的咖啡量与其智商水平的相关性为零。换句话说，知道一个人喝了多少咖啡并不能让我们了解他们的智商水平。

如果我们创建每日咖啡消耗量与智商水平的散点图，它可能如下所示：

示例 2：鞋码与观看的电影的关系

个人的鞋码和他们每年观看的电影数量的相关性为零。换句话说，知道一个人的鞋码并不能让我们知道他们每年看了多少部电影。

如果我们创建鞋子尺寸与观看电影数量的散点图，它可能如下所示：

其他资源

什么被认为是“弱”相关性？
什么被认为是“强”相关性？
相关性对比协会：有什么区别？