相关关系包括数量型变量的线性相关关系和非线性相关关系，但是不包括属性变量之间的相关关系。( )

按研究变量的多少划分，相关关系分为（）。<br/>Ⅰ一元相关（也称单相关）<br/>Ⅱ多元相关（也称复相关）<br/>Ⅲ线性相关<br/>Ⅳ非线性相关 相关关系r的取值范围在-1和+1之间，r的值越接近与-1或+1，则表明线性相关关系越强，越接近与0,则表明其线性相关关系越弱。（） 两变量具有线性相关关系，其相关系数r=-0.9，则两变量之间（） 如果变量x与y之间没有线性相关关系，则相关系数r=0。 两个变量间的线性相关关系越不密切，相关系数就越接近（） 两变量X与Y间线性相关关系达到最高时，相关系数可能等于（）。 如果变量x与y之间没有线性相关关系，则相关系数r=0。 如果变量x与y之间没有线性相关关系，则相关系数r=0（） 当两变量间有高度线性相关关系时，相关系数r小于1且大于（） Pearson相关系数是判断特征之间、以及特征和目标变量之间线性相关关系的统计量。() 两个变量间的线性相关关系越不密切，相关系数r值就越接近（ ）。 若r小于0，表明x和y之间存在负线性相关关系。 两个变量间的线性相关关系愈不密切，相关系数r值就愈接近（）。 一般来说，如果。0≤IrI＜0.3 ，两变量线性相关关系密切程度为（） 相关关系按研究指标变量的多少可分为一元相关(单相关)和多元相关(复相关);按指标变量之间依存关系的形式可分为线性相关(直线相关)和非线性相关(曲线相关);按指标变量变化的方向可分为正相关和负相关。(　　) 相关关系按研究指标变量的多少可分为一元相关（单相关）和多元相关（复相关）；按指标变量之间依存关系的形式可分为线性相关（直线相关）和非线性相关（曲线相关）；按指标变量变化的方向可分为正相关和负相关。（） 对于具有线性相关关系的随机变量，可以计算( )来描述变量之间相互依存程度。 非线性相关 在研究自变量X与因变量Y之间的线性相关关系时，相关系数r>0时，表示两个变量(　　)。 假设两变量线性相关，两变量为等距或等比的数据且均为正态分布，计算它们的相关关系时应采用