随机变量对之间统计相关性的非参数和非线性度量是现代数据分析的重要工具。尤其是大型数据集的出现，现在可以支持放松传统关联分数中隐含的线性假设，如相关性。在这里，我们描述了一个贝叶斯非参数程序，该程序可对依赖性与独立性的相关证据进行易处理、明确和分析的量化。我们的方法使用概率测度空间上的Pólya树先验，然后可以将其嵌入依赖性的决策理论测试中。Pólya树先验可以以潜在抽样分布的形式容纳已知的不确定性，并提供依赖性和独立性的显式后验概率度量。采用明确的概率测度的众所周知的优点包括：容易比较不同研究的证据；编码先验信息；量化不同实验条件下相关性的变化，并将结果整合到正式决策分析中。