实际上还是先标准化，再求内积。也就是求相关系数，或者进行线性回归，列回归方程，找决定系数。这两个向量的线性程度越高，相关系数就越高。
这个有现实意义。
因为一般两个随机向量。他们的单位大多是不一样。所以需要先统一到一个尺度上来，也就是进行标准化。
两个向量的内积与它们的夹角有关。但是因为这个夹角还取决于两个向量的模，所以只有在标准化以后才能用内积直接表示这个夹角，也就是相关性。

后面那个我觉得好像一般实际中是，当求出相关系数之后，可以对相关系数进行假设检验。看是否显著。


【 在 gnwd 的大作中提到: 】
: 还是不大一样
: 主要是概念上的区别。
: 比如平面上的N个点，要看他们是不是有线性形态，从样本协方差来算，构成的两个向量（这N个点的X坐标构成一个向量，Y坐标构成另一个）就是N维的空间的，计算出来的内积并不是两个N维随机向量的协方差（一会补充解释），只能叫做内积。如果是想要计算两个N维随机向量的协方差，如果不知道总体分布，那还得采样，一个随机向量有M个样本，每个样本都是N维向量，那这个时候，协方差怎么算呢？
: ...................
--
修改:Hihere FROM 139.162.57.*
FROM 139.162.57.*