相关系数的取值范围为1 ~ -1。越接近任何一个极端，这种关系就越强。越接近0，这种关系越弱。

在任何情况下，相关性都不会等同于因果关系，无论两个变量之间的相关性有多强。在这种情况下，所有其他选项都是正确的。

由于相关性是负的，因此两个变量之间一定存在负关联(因此表述i是不正确的)。表述二是正确的，因为与来绝对值为来被认为是很强的相关性。表述三是不正确的，因为相关性是不正确的不意思是因果关系。

相关性的强度是用绝对值尺度来衡量的来与最不相关的相关性最强。相关整数前面的正或负仅仅决定变量之间是否存在正相关或负相关。

的相关性意味着两个变量之间完全没有相关性。

无论符号如何，高相关系数意味着更强的关系。在这种情况下负向关系是否比正向关系更强

I是正确的，因为每天发送的短信数量与平均信用卡债务之间存在正相关关系。

Ii是不正确的，因为在陈述中使用了“cause”这个词。相关性并不意味着因果关系。每天发送的短信数量和一个人每月阅读的书籍数量之间存在着一种关系。然而，每天发送的短信数量并不会导致一个人每个月阅读一定数量的书。

Iii是正确的，因为相关性的绝对值表明哪个相关性更强。相关性是否比．

线性回归是确定一个变量的值是否预测另一个变量的值的最佳选择。因为这正是教练想要做的，他应该使用线性回归。

回归测试试图确定一个变量预测另一个变量的能力。在这个分析中，一个变量是依赖的(预测的变量)，另一个是独立的(预测的变量)。因变量为y变量，自变量为x变量。

这里的关键是利用

．

“完全负线性相关”的意思是，而问题的其余部分表明和．这使我们能够解出．

使用公式．

插入给定的值和这就变成了代数问题。