协方差（Covariance）是概率论和统计学中用于衡量 两个变量之间线性相关度的统计量。它表示的是两个变量总体误差的期望，可以用来描述当一个变量变化时，另一个变量是如何变化的。如果两个随机变量的协方差为正，说明它们呈正相关；如果为负，说明它们呈负相关；如果为零，说明它们不相关。

具体计算公式为：

[

text{Cov}（X,Y） = frac{1}{n} sum_{i=1}^{n} （X_i - bar{X}）（Y_i - bar{Y}）

]

其中，（X_i） 和 （Y_i） 分别表示第 （i） 个样本的 （X） 和 （Y） 变量的取值，（bar{X}） 和 （bar{Y}） 分别表示 （X） 和 （Y） 的均值，（n） 表示样本数。

需要注意的是，相关系数是协方差的标准化形式，用于消除变量量纲的影响，其计算公式为：

[

rho_{X,Y} = frac{text{Cov}（X,Y）}{sigma_X sigma_Y}

]

其中，（sigma_X） 和 （sigma_Y） 分别是 （X） 和 （Y） 的标准差。

协方差的一个重要特性是它可以用来衡量多个变量之间的关联性。例如，在多元回归分析中，协方差用于衡量自变量和因变量之间的关系，以及自变量之间的关系。