相关系数探究：散点图与线性相关性的动态演示
几何画板及绘图内容加载中，请稍等……
① 本范例通过一系列二维点（A1至A21等）构成的散点图，动态演示两个变量之间的线性相关程度，并实时计算皮尔逊积矩相关系数（PMCC）。② 核心数学概念是统计中的相关性分析，包括正相关、负相关和零相关，以及相关系数如何量化线性关系的强度与方向。③ 作图要点：使用GeoGebra的PMCC命令直接计算相关系数，对象包括多个点（A2至A21、B1、C1至C18），这些点可能通过滑块或拖拽调整位置，从而观察相关系数随数据分布的变化；涉及函数、质心（Centroid）和二维向量等辅助元素，帮助理解数据中心与散布。④ 适合高中或大学统计课程，用于直观教学相关性的概念，也可作为探究活动，让学生通过调整数据点理解相关系数的敏感性和局限性。
GeoGebra 命令及参数
PMCC(l1) → r
AI 绘图提示语参考
画一个动态散点图，包含多个散点，一个质心点和两个二维向量，散点可以拖动，质心点自动更新位置。随着散点的移动，动态计算并显示 Pearson 相关系数，展示数据分布如何影响相关系数的值。添加一个滑动条来调整参数，整个图形用于演示正、负和零线性关系，以及相关系数如何量化关系的强度和方向。
以上提示语为根据原始绘图命令整理而来，仅供参考。