皮尔逊相关系数（Pearson Correlation Coefficient, Pearson's r）

皮尔逊相关系数是用来衡量两个连续变量之间线性关系强度和方向的统计量。它的取值范围在-1到+1之间，其中-1表示完全的负相关，+1表示完全的正相关，0表示没有线性关系。

计算公式如下：
$$r_{xy}=\frac{\sum_{i=1}^{n}(x_i-\overline{x})(y_i-\overline{y})}{\sqrt{\sum_{i=1}^{n}(x_i-\overline{x})^2}\sqrt{\sum_{i=1}^{n}(y_i-\overline{y})^2}}$$
其中，$r_{xy}$表示样本$x$与样本$y$的皮尔逊相关系数，$n$表示样本数，$\overline{x}$和$\overline{y}$分别表示样本$x$和样本$y$的平均值。

相关问题

给出聚类分析中闵可夫斯基距离 (Minkowski distance) 皮尔逊相关系数 (Pearson correlation coefficient)Jaccard相似度 (Jaccard similarity)的公式

闵可夫斯基距离公式：
d(x,y) = [(∑(|xi-yi|)^p)^(1/p)]

皮尔逊相关系数公式：
r = (∑(xi-x̄)(yi-ȳ)) / [(∑(xi-x̄)^2)(∑(yi-ȳ)^2)]^(1/2)

Jaccard相似度公式：
similarity = |A∩B| / |A∪B|

给出聚类分析中，闵可夫斯基距离 (Minkowski distance) ，皮尔逊相关系数 (Pearson correlation coefficient)，Jaccard相似度 (Jaccard similarity)的公式

闵可夫斯基距离：d(x,y)=(∑|xi-yi|^p)^(1/p)

皮尔逊相关系数：r = (nΣxy - ΣxΣy) / Sqrt[(nΣx^2 - (Σx)^2)(nΣy^2 - (Σy)^2)]

Jaccard相似度：J(A,B)=|A∩B|/|A∪B|