相关系数：

，
当r＞0时，表明两个变量正相关；当r＜0时，表明两个变量负相关；|r|≤1，且|r|越接近于1，相关程度越大；|r|越接近于0，相关程度越小。

残差：
相关指数R²用来刻画回归的效果，其计算公式是，
在含有一个解释变量的线性模型中，R²恰好等于相关系数r的平方。显然，R²取值越大，意味着残差平方和越小，也就是模型的拟合效果越好。

建立回归模型的基本步骤：

（1）确定研究对象，明确哪个变量是解释变量，哪个是预报变量；
（2）画出解释变量和预报变量的散点图，观察它们之间的关系；
（3）由经验确定回归方程的类型（如观察到数据呈线性关系，则选用线性回归方程）；
（4）按一定规则估计回归方程中的参数（如最小二乘法）；
（5）得出结果分析残差图是否有异常，若存在异常，则检查数据是否有误，或模型是否适当。当回归方程不是形如时，我们称之为非线性回归方程。

基本事件的定义：

一次试验连同其中可能出现的每一个结果称为一个基本事件。

等可能基本事件：

若在一次试验中，每个基本事件发生的可能性都相同，则称这些基本事件为等可能基本事件。

古典概型：

如果一个随机试验满足：（1）试验中所有可能出现的基本事件只有有限个；
（2）每个基本事件的发生都是等可能的；
那么，我们称这个随机试验的概率模型为古典概型．

古典概型的概率：

如果一次试验的等可能事件有n个，那么，每个等可能基本事件发生的概率都是；如果某个事件A包含了其中m个等可能基本事件，那么事件A发生的概率为
。

古典概型解题步骤：

（1）阅读题目，搜集信息；
（2）判断是否是等可能事件，并用字母表示事件；
（3）求出基本事件总数n和事件A所包含的结果数m；
（4）用公式求出概率并下结论。

求古典概型的概率的关键：

求古典概型的概率的关键是如何确定基本事件总数及事件A包含的基本事件的个数。