在计算机科学中，布尔值和连续值之间的相关性可以使用统计学中的相关系数来衡量。常用的相关系数有皮尔逊相关系数（Pearson correlation coefficient）和斯皮尔曼等级相关系数（Spearman rank correlation coefficient）。

下面是一个使用Python的代码示例，演示如何计算布尔值和连续值之间的相关性：

import numpy as np
from scipy import stats

# 生成随机的布尔值和连续值数据
bool_values = np.random.choice([False, True], size=100)
continuous_values = np.random.normal(size=100)

# 使用皮尔逊相关系数计算相关性
pearson_corr, _ = stats.pearsonr(continuous_values, bool_values)
print("Pearson correlation coefficient:", pearson_corr)

# 使用斯皮尔曼等级相关系数计算相关性
spearman_corr, _ = stats.spearmanr(continuous_values, bool_values)
print("Spearman rank correlation coefficient:", spearman_corr)

输出结果类似于：

Pearson correlation coefficient: 0.04918299184610161
Spearman rank correlation coefficient: 0.04824282428242824

请注意，这只是一个简单的示例，实际情况可能需要根据具体需求进行适当修改。