相关系数是衡量两个变量之间线性相关程度的统计量，其计算公式有以下几种形式：
皮尔逊相关系数
\[
\rho_{XY} = \frac{\text{Cov}（X,Y）}{\sqrt{D（X）} \sqrt{D（Y）}}
\]
其中，\（\text{Cov}（X,Y）\） 是 \（X\） 和 \（Y\） 的协方差，\（D（X）\） 和 \（D（Y）\） 分别是 \（X\） 和 \（Y\） 的方差。
样本相关系数
\[
r = \frac{\sum_{i=1}^{n} （x_i - \bar{x}）（y_i - \bar{y}）}{\sqrt{\sum_{i=1}^{n} （x_i - \bar{x}）^2 \sum_{i=1}^{n} （y_i - \bar{y}）^2}}
\]
其中，\（x_i\） 和 \（y_i\） 是两个变量分别对应的样本值，\（\bar{x}\） 和 \（\bar{y}\） 分别是 \（x\） 和 \（y\） 的均值，\（n\） 是样本的个数。
总体相关系数
\[
\rho = \frac{\text{Cov}（X,Y）}{\sigma_X \sigma_Y}
\]
其中，\（\text{Cov}（X,Y）\） 是 \（X\） 和 \（Y\） 的协方差，\（\sigma_X\） 和 \（\sigma_Y\） 分别是 \（X\） 和 \（Y\） 的标准差。
相关系数的一般形式
\[
r = \frac{\sum_{i=1}^{n} x_i y_i - n \bar{x} \bar{y}}{\sqrt{\sum_{i=1}^{n} x_i^2 - n \bar{x}^2 \sum_{i=1}^{n} y_i^2 - n \bar{x}^2 \sum_{i=1}^{n} y_i^2 + n \bar{x}^2 \bar{y}^2}}
\]
其中，\（n\） 是样本的个数，\（\sum_{i=1}^{n} x_i y_i\） 是 \（X\） 和 \（Y\） 的乘积的和，\（\sum_{i=1}^{n} x_i^2\） 和 \（\sum_{i=1}^{n} y_i^2\） 分别是 \（X\） 和 \（Y\） 的平方和。
这些公式在计算相关系数时略有不同，但核心思想都是通过协方差和方差（或标准差）来衡量两个变量之间的线性关系强度和方向。选择哪种公式取决于具体的应用场景和数据类型。