协方差的计算公式为cov(X,Y)=E[(X-E[X])(Y-E[Y])]，这里的E[X]代表变量X的期望。
从直观上来看，协方差表示的是两个变量总体误差的期望。如果其中一个大于自身的期望值时另外一个也大于自身的期望值，两个变量之间的协方差就是正值。
如果其中一个变量大于自身的期望值时另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。如果X与Y是统计独立的，那么二者之间的协方差就是0，因为两个独立的随机变量满足E[XY]=E[X]E[Y]。
协方差的特点
协方差差出了一万倍，只能从两个协方差都是正数判断出两种情况下X、Y都是同向变化，但是，一点也看不出两种情况下X、Y的变化都具有相似性这一特点。
相关系数是协方差除以标准差，当X,Y的波动幅度变大的时候，协方差变大，标准差也会变大，相关系数的分母都变大，其实变化的趋势是可以抵消的，协方差的取值范围是 正无穷到负无穷，相关系数则是+1 到-1之间。
数学中COV是协方差的意思。
协方差（Covariance）在概率论和统计学中用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况，即当两个变量是相同的情况。
如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值，另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值。
如果两个变量的变化趋势相反，即其中一个大于自身的期望值，另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。
期望值分别为E[X]与E[Y]的两个实随机变量X与Y之间的协方差Cov(X,Y)定义为：
扩展资料：
协方差在农业上的应用
农业科学实验中，经常会出现可以控制的质量因子和不可以控制的数量因子同时影响实验结果的情况，这时就需要采用协方差分析的统计处理方法，将质量因子与数量因子(也称协变量)综合起来加以考虑。
比如，要研究3种肥料对苹果产量的实际效应，而各棵苹果树头年的“基础产量”不一致，但对试验结果又有一定的影响。要消除这一因素带来的影响，就需将各棵苹果树第1年年产量这一因素作为协变量进行协方差分析，才能得到正确的实验结果。
当两个变量相关时，用于评估它们因相关而产生的对应变量的影响。
当多个变量独立时，用方差来评估这种影响的差异。
当多个变量相关时，用协方差来评估这种影响的差异。
参考资料来源：百度百科-协方差
方差、标准差、协方差区别如下：
1、概念不同
统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数；
标准差是总体各单位标准值与其平均数离差平方的算术平均数的平方根；
协方差表示的是两个变量的总体的误差，这与只表示一个变量误差的方差不同。
2、计算方法不同
方差的计算公式为：
式中的s²表示方差，x1、x2、x3、.......、xn表示样本中的各个数据，M表示样本平均数；
标准差=方差的算术平方根=s=sqrt(((x1-x)^2 +(x2-x)^2 +......(xn-x)^2)/n)；
协方差计算公式为：Cov(X,Y)=E[XY]-E[X]E[Y]，其中E[X]与E[Y]是两个实随机变量X与Y的期望值。
3、意义不同
方差和标准差都是对一组(一维)数据进行统计的，反映的是一维数组的离散程度；
而协方差是对2组数据进行统计的，反映的是2组数据之间的相关性。
扩展资料
由于方差是数据的平方，与检测值本身相差太大，人们难以直观的衡量，所以常用方差开根号换算回来这就是要说的标准差（SD）。
在统计学中样本的均差多是除以自由度（n-1)，它的意思是样本能自由选择的程度。当选到只剩一个时，它不可能再有自由了，所以自由度是（n-1)。
参考资料来源：百度百科—方差
参考资料来源：百度百科—标准差
参考资料来源：百度百科—协方差
欢迎分享，转载请注明来源：民族网
