函数关系与相关关系的区别
葛维亚
函数关系指变量之间的关系是确定的，可以采用科学的数学方法加以表达，存在有偶然误差。而相关关系的两变量的关系则是不确定的，只能采用经验性的判断方法加以解决，存在有回归误差。
由自变量来推算因变量，函数关系采用固科学的数学公式来推求，相关关系采用依据客观出现的情况，由相关图或经验公式来推求。
相关关系则不能用一定的方程表示。由此可见，函数关系是相关关系的特例，即函数关系是完全的相关关系。
函数关系偶然误差或随机误差。在函数关系中，偶然误差的处理涉及到测量结果与平均值之间的偏差。偶然误差通常定义为测量值与平均值之差，称为“偏差”或“离差”。在没有系统误差的情况下，通过多次重复测量获得的平均值可以作为近真值来估算误差。
在处理函数关系的偶然误差时，需要考虑测量结果及其偶然误差的绝对值和符号。偶然误差服从正态分布，因此在统计学中，可以通过增加采样次数来消除偶然误差。 在实际应用中，通过概率统计理论，可以对偶然误差进行进一步的研究和分析，以提高测量的精度和可靠性。
相关关系的归回误差。在统计学中，相关关系的归回误差通常指的是通过回归分析来估计因变量与自变量之间的关系时，所使用的模型的预测能力。回归分析可以用来描述因变量如何依赖于自变量，以及如何通过最小化预测误差来优化模型。回归分析的误差通常用均方误差（MSE）来衡量，它表示预测值与真实值之间的绝对误差的平方和的平均值。在回归分析中，MSE用于评估预测模型的准确性，但并不直接反映相关关系的强弱。 在进行相关分析时，需要考虑变量之间的关系强弱和方向。相关系数（如皮尔逊相关系数）用于描述变量之间的线性相关程度，取值范围为-1到1，其中1表示完全正相关，-1表示完全负相关。 在建立回归模型时，需要进行参数估计、模型检验和残差分析。模型效果的评估通常通过R²和t检验来进行，以判断模型是否能够有效解释因变量的变化。
水文概率计算是水利工程中设计的一项重要的领域，涉及如何利用概率论和数理统计学理论来分析和预测水文现象的随机规律，从而进一步计算水利工程的主体规模、电力出力、装机容量、溢洪道流量与尺寸等。
水文统计的基本方法包括频率计算和相关分析，这些方法帮助水文工作者对水文现象的长期变化进行定量预估，以满足工程规划、设计、施工及运营期间的需要。
水文统计的合理性与必要性在于水文现象的随机性和复杂性，无法长期定量预报。因此，运用水文统计法不仅合理而且是必要的。水文统计的任务是研究和分析水文随机现象的统计变化特性，并以此为基础对水文现象未来可能的长期变化作出概率意义下的定量预估。
水文频率计算适线法是水文统计中的一种常用方法，它以经验频率点据为基础，给它们选配一条符合较好的理论频率曲线，并以此来估计水文要素总体的统计规律。这种方法的具体步骤包括将实测资料由大到小排列，计算各项的经验频率，在频率格纸上点绘经验点据，选定水文频率分布线型，假定一组参数均值、离差系数Cv和偏差系数Cs，查附表计算设计频率为p的xp值，最后根据频率曲线与经验点据的配合情况选择一条与经验点据配合较好的曲线作为采用曲线。
水文频率计算适线法的具体步骤和方法，特别是参数对频率曲线的影响，是水文工作者在进行水文统计时需要掌握的重要内容。
