请依据附件1的数据建立适当的数学模型对AQI中6个基本监测指标的相关与独立性进行定量分析尤其是对其中PM25含量与其它5项分指标及其对应污染物含量之间的相关性及其关系进行分析。

首先，我们可以使用Pearson相关系数来衡量AQI中6个基本监测指标之间的线性相关性。Pearson相关系数的取值范围为-1到1，其中1表示完全正相关，-1表示完全负相关，0表示不相关。

其次，我们可以使用线性回归模型来分析PM2.5（含量）与其它5项分指标及其对应污染物（含量）之间的关系。线性回归模型可以表示为：

y = β0 + β1x1 + β2x2 + β3x3 + β4x4 + β5x5 + ε

其中，y表示PM2.5（含量），x1到x5分别表示其它5项分指标及其对应污染物（含量），β0到β5表示模型参数，ε表示误差项。

我们可以利用最小二乘法来估计模型参数，然后利用模型来预测PM2.5（含量）的值。同时，我们还可以利用模型参数来分析各个自变量对PM2.5（含量）的影响程度，以及它们之间的相对重要性。

最后，我们可以使用方差分析（ANOVA）来检验模型的显著性。方差分析可以帮助我们确定模型是否具有统计显著性，以及各个自变量对因变量的贡献是否显著。

综上所述，我们可以使用Pearson相关系数、线性回归模型和方差分析来对AQI中6个基本监测指标的相关与独立性进行定量分析，尤其是对其中PM2.5（含量）与其它5项分指标及其对应污染物（含量）之间的相关性及其关系进行分析