Python 什么是scipy.stats.pearsonr（x，y）中的非相关检验？

从

scipy.stats.pearsonr（x，y）

计算Pearson相关系数和的p值 测试非相关性

p值大致表示不相关的 系统生成的数据集至少具有以下Pearson相关性： 根据这些数据集计算得出的极端值。p值不正确 完全可靠，但对于大于 500左右

scipy.stats.pearsonr（x，y）

实现的非相关测试是什么

特别是，当皮尔逊相关系数较大时，p值是否一定较小？（这就是我想知道什么是非相关检验以及如何计算其检验统计量的原因）

无论您是否知道函数中实现了什么测试，您能告诉我什么是非相关性的常用测试吗？（只为我学习这门课）

---

谢谢。

关于皮尔逊相关性的维基百科页面

查看，

scipy.stats.pearsonr

使用基于学生t分布的近似值：

if r is masked or abs(r) == 1.0:
    prob = 0.
else:
    t_squared = (df / ((1.0 - r) * (1.0 + r))) * r * r
    prob = _betai(0.5*df, 0.5, df/(df + t_squared))

return r, prob

这里，

\u betai（0.5*df，0.5，df/（df+t_平方））

计算

p值表示对零假设的检验，即x和y不相关，即真实总体相关系数为零。因此，接近零的样本相关系数（即弱相关）将倾向于给出较大的p值，接近1或-1的系数（即强正/负相关）将给出较小的p值