如果变量x与y之间没有线性相关关系，则()。

如果变量x与y之间的相关系数为1，则说明两个变量之间是完全正线性相关（） 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（）。 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(　　)。 若r小于0，表明x和y之间存在负线性相关关系。 已知两个变量之间存在负线性相关关系， 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。 随机变量之间的相关性可以用相关系数进行描述，相关系数既可以描述变量间的线性相关关系，也可以描述非线性相关关系。（ ） 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。（） 线性相关系数具有线性不变性，即同时对变量X、Y做相同的线性变换如X1=2X+1， Y1=2Y+1,变化之后的两个变量X1、Y1之间的相关系数与X、Y之间的相关系数相等。( ) 用于度量两个变量x与y之间的线性相关程度的指标是（） 用于度量两个变量X与y之间的线性相关程度的指标是（） 在一元线性回归分析预测过程中，相关系数r反映变量x和y之间线性相关关系的密切程度，只有r小于某个临界值时，才能认为x与y确实线性相关，也只有这时回归方程才有意义，才可以用于预测计算。 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x与y之间完全线性相关，以下结论中正确的是() 颗粒物浓度 Y 与颗粒物 CEMS 响应 X 之间为线性相关，则 Y 与 X 的关系可以用（）方程描述 当两变量间是低度线性相关关系时，相关系数r小于（） 将客观现象的相关关系分为线性相关和非线性相关的依据是（ ）。 将客观现象的相关关系分为线性相关和非线性相关的依据是（）。 一般来说，如果。0≤IrI＜0.3 ，两变量线性相关关系密切程度为（） 如果两个变量之间的线性相关程度很高，则其相关系数应接近于（）。