相关性实验：强弱相关对比探索
几何画板及绘图内容加载中，请稍等……
① 本范例通过散点图与拟合直线，直观演示强相关与弱相关在数据分布上的差异，帮助学习者理解相关系数的视觉意义。② 核心数学概念是皮尔逊积矩相关系数（PMCC），它量化两个变量间线性关系的强度与方向，数值介于-1到1之间，绝对值越接近1表示相关性越强。③ 作图要点：使用GeoGebra的PMCC命令计算相关系数，并创建点对象A至J作为数据样本，通过变量r存储相关系数值，text1用于在画布上动态显示相关系数数值，便于观察数据变化时相关性的实时更新。④ 适合高中或大学统计学入门阶段，也可用于数学实验课或探究性学习，帮助学生建立从数据到统计量的直观联系，区分强相关与弱相关、正相关与负相关。
GeoGebra 命令及参数
PMCC({A, B, C, D, E, F, G, H, I, J}) → r
AI 绘图提示语参考
绘制一张散点图，包含十个数据点，这些点大致沿一条直线分布，但存在一定的随机波动。在图中添加一条拟合直线，直观展示数据的整体趋势。同时，在画布上显示一个数值标签，表示这些点的相关系数，该数值应介于-1和1之间，用于反映数据点与拟合直线的紧密程度。通过调整数据点的位置，可以观察相关系数如何变化，从而区分强相关与弱相关、正相关与负相关的情况。
以上提示语为根据原始绘图命令整理而来，仅供参考。