相關係數是最早由統計學家卡爾·皮爾遜設計的統計指標，是研究變數之間線性相關程度的量，一般用字母r表示。由於研究物件的不同，相關係數有多種定義方式，較為常用的是皮爾遜相關係數。



1相關係數缺點

需要指出的是，相關係數有一個明顯的缺點，即它接近於1的程度與資料組數n相關，這容易給人一種假象。因為，當n較小時，相關係數的波動較大，對有些樣本相關係數的絕對值易接近於1；當n較大時，相關係數的絕對值容易偏小。特別是當n=2時，相關係數的絕對值總為1。因此在樣本容量n較小時，我們僅憑相關係數較大就判定變數x與y之間有密切的線性關係是不妥當的。

以在散點圖上顯示公式和相關係數

也可以直接用公式得到，假如你的y值在a2:f2，x值在a1:f1

斜率公式

=slope(a2:f2,a1:f1)

或者=index(linest(a2:f2,a1:f1,true,true),1,1)

截距公式

=intercept(a2:f2,a1:f1)

或者=index(linest(a2:f2,a1:f1,true,true),1,2)

相關係數r平方的公式

=index(linest(a2:f2,a1:f1,true,true),3,1)

伽瑪函式表示式：Γ(x)=∫e^(-t)*t^(x-1)dt (積分的下限是0,上限是+∞)

　利用分部積分法可以得到 　　Γ(x)=（x-1)*Γ(x-1) ,而容易計算得出Γ(1)=1,　　由此可得,在正整數範圍有：Γ(n+1)=n!

Γ（n+1）=Γ（n）=n

迴歸係數的計算公式：y平=a*b-f。迴歸係數（regressioncoefficient）在迴歸方程中表示自變數x對因變數y影響大小的引數。迴歸係數越大表示x對y影響越大，正迴歸係數表示y隨x增大而增大，負迴歸係數表示y隨x增大而減小。

因變數（dependent variable）函式中的專業名詞，也叫函式值。函式關係式中，某些特定的數會隨另一個（或另幾個）會變動的數的變動而變動，就稱為因變數。如：Y=f(X)。此式表示為：Y隨X的變化而變化。

Y是因變數，X是自變數