假设 你是一名承包商。你正在写一些内容，你按小时向你服务的公司收费。你工作了10个小时，每小时10美元，最终你得到了100美元。你支付的工时和实际收到的金额之间有着非常非常好的相关性。事实上，希望它们的相关性能达到1.0。希望你不会因为某些工时被收费而导致对方不付钱，或者他们付给你的工时比你支付的更多。
也许这些事情会发生
但通常是1比1的相关性。1.0就是相 电报数据关性。记住，所有相关数，至少从统计学角度来说，从数学角度来看，至少在0到1之间是正相关的。当然，也存在负相关性。我们暂时不用担心这些。 在收入和计费小时数方面，这是一个完美的相关性。你看，我计费1小时，我得到10美元。
我计费2小时
我得到20美元。我计费3小时，所以是完 任何细微的疏忽或错 美的线性，漂亮的1.0相关性。你可以想象有很多系统，简单的系统都是这样运作的。例如，你走的步数和你行走的距离。它们之间存在着完美的、漂亮的相关性。 还有一些数据具有相关性，但这种相关性的预测能力可能不那么完美，我们希望得到这些相关性的具体数值。
这是我穿黄鞋的天数
你可以看到我今天没有穿。但是我穿黄鞋的 新加坡电话号码 天数和我做专业演讲的天数。通常情况下，这些天数之间有着密切的联系。但事实证明，也有一些日子我穿了黄鞋却没有做演讲，或者我做了演讲却没有穿黄鞋。这些事情确实会发生。虽然我每次上台都必须穿黄鞋，但这确实经常发生。